本文へスキップ

Magma-8B

エージェント研究向けのマルチモーダル基盤モデル

公式サイトを見る

Magma-8B とは

本モデルはマルチモーダルな AI エージェントの研究向けに作られた基盤モデルと説明されている。

できること

  • 画像や動画を条件に文章を生成する
  • 作業をこなす視覚の軌跡を作る
  • ボタンのクリックなど UI 操作を結び付ける

導入の手順

  • transformers や torch などを入れる
  • モデルとプロセッサを読み込む
  • 画像と文章の提示を用意する

長所と短所

✓ 良い点

  • 視覚計画が作業の軌跡を出す
  • UI の接地とロボット操作が挙がる

! 注意したい点

  • 挙がる入力は文章と画像
  • 学習はラベルなし動画データを用いる

よくある質問

開発元は?

資料はマイクロソフトによる開発と説明。

何を接地できる?

資料はボタンのクリックなど UI 操作と腕の制御を挙げる。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法