近日，明略科技正式開源自研 GUI 感知智能體模型 Mano-P 1.0。Mano-P 具備 GUI 感知、理解、規劃、操作與驗證能力，可通過純視覺方式直接理解并操控桌面軟件、網頁界面及更復雜的圖形化工作流，并支持在 Apple M4 芯片設備上本地運行。

?? Website【 https://github.com/Mininglamp-AI/Mano-P 】??

Mano-P 讓 AI 打破了“只看不做”的局限，能夠直接在真實的圖形界面中跨平臺執行復雜任務。該項目以 Apache 2.0 協議開源，完整代碼公開可審計，支持商業使用與二次開發。

通過提供純視覺理解與本地執行能力，Mano-P 賦能個人開發者與企業組織能夠以低成本構建專屬的個性化 AI，在保障數據主權的前提下，正式邁入“私有化”的個人 AI 時代。

純視覺驅動，打通復雜業務流的“最后一公里”

在現有技術架構下，自動化操作往往受限于底層 API 接口調用、CDP 協議或網頁 HTML 解析，一旦面對非標準應用或跨系統協作時便顯得力不從心。Mano-P 以純視覺理解為核心技術范式 ，不依賴外部接口與協議，能夠直接理解并操控桌面軟件、3D 應用及復雜的專業工具，從根本上打破了傳統基于瀏覽器的生態邊界 。

同時，Mano-P 可為現有 Agent 生態提供關鍵的執行能力底座。目前，Mano-P 可通過 skill 形式無縫接入OpenClaw 等 AI Agent。強強聯合下，Agent 可以無縫穿梭于多窗口系統和跨應用的工作流中，順滑地執行點擊、文本輸入、窗口切換及視覺驗證等閉環動作。

這一突破解決了長期困擾 Agent 工作流的人工干預瓶頸，使模型不僅能勝任全自動應用的構建測試，更能向復雜的商業場景延伸，實現復雜任務的全程自主執行。

13 個榜單屠榜式 SOTA，刷新GUI專用模型性能天花板

為確保前沿技術在端側設備的普惠可用，Mano-P 采用了雙版本交付架構：由 72B 完整模型探索并證明技術上限，同時提供 4B 量化模型（w4a16）以滿足極致的端側部署需求 。

Mano-P 1.0 以 72B 參數量的完整模型版本，在全球多模態領域的 13 個權威基準測試榜單中，實現了針對小尺寸模型的屠榜式 SOTA 領先 。其能力矩陣全面覆蓋了 GUI Grounding、CUA（計算機使用代理）、多模態感知認知、視頻理解以及長上下文學習等關鍵維度，確立了端側 GUI Agent 的性能標桿 。

在業界權威的 OSWorld 專有模型基準測試中，Mano-P 72B 模型以 58.2% 的任務成功率位列全球第一，領先第二名 opencua-72b（45.0%）多達 13.2 個百分點 。此外，在 ScreenSpot-V2、MMBench、UI-Vision等評測體系中，Mano-P 同樣以絕對優勢拔得頭籌 。

卓越的性能離不開底層的技術創新。Mano-P 引入了 SFT（監督微調）、離線強化學習與在線強化學習的三階段漸進式訓練架構，并配合專有的 GSPruning 視覺 Token 剪枝技術，實現了端側推理效率的飛躍。

在配備 Apple M4 Pro 芯片的設備上，4B 量化模型可實現高達 476 tokens/s 的預填充速度與 76 tokens/s 的解碼速度，峰值內存占用僅為 4.3GB，完美適配主流邊緣設備的算力與存儲限制。

可端側本地部署，實現物理隔離級數據保護

隨著 AI 深入核心業務流，數據隱私與合規性成為企業決策的核心考量。Mano-P 可進行本地端側部署，數據零上云 ，通過“純視覺理解 + 本地執行”的架構，能夠實現數據處理與外部網絡的物理隔離。

在本地模式下，模型可直接在 Mac mini / MacBook（M4 芯片及以上，32GB+ 內存）上運行，或使用 Mano-P 算力棒連接（通過 USB 4.0）。系統的屏幕截圖、業務流轉數據及任務指令均在本地閉環，從源頭上杜絕了面向云端服務器的傳輸風險 。

同時，Mano-P 具備強大的離線長任務自主規劃能力。在無網環境下，Mano-P同樣可以自主推進復雜業務流程，并完成過程中的決策與糾錯。這一特性不僅重塑了人機交互的信任邊界，更使得端側 AI 能夠真正進入高安全性、高隱私要求的企業級生產環境 。

踐行全面開源戰略，加速 Personalized AI 生態繁榮

技術的價值在于廣泛的應用與生態的共建。Mano-P 遵循 Apache 2.0 協議正式開源，完整客戶端代碼全面公開并支持嚴格審計，允許商業化應用與二次開發 。

為降低企業與個人用戶的接入成本，Mano-P 設計了三種開箱即用的使用形態，精準覆蓋不同技術棧的用戶群體。無需繁瑣配置復雜的 API 密鑰，用戶均能以極低門檻構建專屬的高性能 GUI 智能體。

按照既定開源規劃，明略科技本次率先開源 Mano-CUA 核心技能，用戶可將其便捷配置到 OpenClaw 或 Claude Code 中，以構建更智能的 CUA 任務工作流程，并克服人工干預帶來的瓶頸。

Mano-CUA 本地模型和 SDK 組件預計將于月內正式開源，以滿足具有高安全性開發者的需求。屆時用戶可直接調用本地化部署的 GUI-VLA 模型來構建自定義技能與工具，所有 CUA 操作都將在本地 Mac 設備上執行，而不會上傳到外部服務器。

未來，明略科技還將全面開源 Mano-P 模型底層的訓練方法、Token 剪枝技術與混合精度量化方案，助力開發者打造符合自身業務需求的專屬本地 GUI-VLA 模型。

面向未來，從技術破局到生態共建，Mano-P 將 GUI 感知、視覺操作、本地運行與開源生態緊密結合，不僅為端側智能體夯實了堅實的技術底座，更為“Personalized AI”鋪就了一條清晰的現實路徑。無論是獨立開發者，還是對安全要求嚴苛的企業組織，都能以更低的門檻、更高的可控性，打造個性化 AI。明略科技正以開放之姿，讓“人人可以創造專屬AI ”的愿景逐漸照進現實。