2月17日，根據(jù)微軟官網(wǎng)，微軟日前發(fā)布視覺Agent解析框架OmniParser最新版本V2，可將OpenAI（4o/o1/o3-mini）、DeepSeek（R1）、Qwen（2.5VL）、Anthropic（Sonnet）等大模型，轉(zhuǎn)化為“計算機使用智能體”（Computer Use Agent）。相比前代版本，OmniParser V2在檢測更微小可交互元素時精度更高、推理速度更快。具體而言，V2通過使用更大規(guī)模的交互元素檢測數(shù)據(jù)集和圖標功能描述數(shù)據(jù)進行訓練，并通過縮小圖標描述模型的輸入圖像尺寸，推理延遲較前代降低60%。