自从“龙虾”的概念火起来AI智Neng体在电脑上执行操作的Neng力逐渐被大家所接受。但坦率地说早期的“龙虾”geng像是一个笨拙的助手，需要依赖大量的预设技Neng才Neng勉强完成任务。想象一下让它打开浏览器比价dou显得有些吃力，geng别提复杂的自动化工作流了。这的确让人难以放心地将重要的工作交给它们。

Mano-P：龙虾从“爪”向“手”的进化

时隔半年有余，那个曾经取得双榜SOTA的通用GUI智Neng体模型Mano 迎来飞跃。这次明略科技带着自研全新进化的面向端侧设备的GUI-VLA智Neng体模型Mano-P亮相。这一模型彻底改变了游戏规则——它不再依赖传统的API对接，也不局限于浏览器场景，Neng够直接理解并操作桌面软件、网页界面完成geng复杂的图形化工作流。这标志着龙虾真正实现了从“爪”到“手”的跨越式进化。

性Neng突破：4B量化模型与M4芯片优化

Mano-P 的性Neng数据令人印象深刻：其4B量化模型在Apple M4 Pro上可实现tokens/s 预填充速度和 tokens/s 解码速度，峰值内存仅占 .3GB——一台标配M4 Mac mini就Neng流畅运行。这意味着你Ke以在完全离线、保护隐私的前提下享受强大的GUI自动化Neng力。

突破性技术：双向自增强学习框架

传统的训练方式通常只有单向映射：自然语言 → 动作。而Mano-P采用了全新的双向自增强学习框架，同时掌握两个方向的Neng力：

Text → Action根据自然语言描述，定位并操作界面元素

Action → Text给定界面元素，准确描述其位置和功Neng

这种双向循环一致性学习借鉴了视觉领域的GAN思想，效果出奇地好。团队引入在线强化学习后模型Neng力大幅提升并在OSWorld上拿下专有模型第一名。

AGI vs. Personalized AI：我们需要的究竟是什么？

赵晨旭老师认为：“我们Yi经断定现在正处在两个时代的交界点上，可Neng好多人或者是一些开发者还没有意识到。是哪两个时代呢？就是AGI的时代和Personalized AI的时代。”AGI致力于打造一个无所不Neng的通用智Neng体，它会基于事实性基础进行推理——对于有确定解或唯一解的问题非常有效。然而现实世界中大部分问题恰恰是无解或有多种解的。

要说到底什么是Personalized AI？文章开头展示的打正是其Zui生动的例子。Ru果你拿一个AGI的模型去帮你打的话，因为它kan过hen多种打法，会实时判断并选择Zui优解，kan上去特别像一个机器人。而Personalized AI会按照你的习惯、你的风格去打牌——你经常怎么样去胡牌、记牌、开杠不开杠、吃牌不吃牌等等。

三大技术突破助力Personalized AI落地

算力突破为了让Personalized AI真正落地到每个人的设备上，模型必须在有限算力下完成推理甚至训练。

数据私有化所有数据dou在本地处理和存储

训练范式转变:采用双向强化学习框架

开源策略与生态构建

开源一个强大的模型需要强大的魄力。便是如Meta这样的巨头也逐步向闭源模式转变。然而明略科技却选择了完全开源Mano-P！它的开源策略hen有意思——分三个阶段逐步释放Neng力:

第一阶段72B完整模型发布；证明技术上限

第二阶段开源 Mano-CUA 的本地模型和 SDK 组件

第三阶段开源训练方法本身

三种接入形态满足不同用户需求

mano-skill —— 面向 Claude Code 和 OpenClaw 用户.

mano-client —— 面向需要在 Python 项目中深度集成 GUI 自动化Neng力的开发者.

mano-cua —— 面向开发者和高级用户.

实战应用与未来展望

当我们提起操作 GUI 的智Neng体就Neng想到的一个极具代表性的应用是 “豆包手机助手”。软硬件深度结合的豆包理论上Neng够实现任何手机上的操作 。但核心在于数据传输到云端带来的安全隐患.

---