--- title: "🧪 4GB 顯卡控螢幕！Mage-VL-Cowork 打造地端 Agent｜地端 AI 實驗室" description: "微軟最新開源的 4B 超輕量級模型 Mage-VL-Cowork 竟然能在 4GB 顯示記憶體的平價顯卡上，幫你自動寫 Python 整理資料，還能直接看懂螢幕模擬滑鼠操作。本期我們還要帶來在 SWE-bench 衝上 73.6 高分的 Clover-35B-A3B-Preview 擴散語言模型，到底它是怎麼做到每秒破百 token 的極致速度？等一下告訴你！" canonical_url: "https://blog.markkulab.net/local-ai-lab/local-ai-lab-2026-11-01" author: "Mark Ku" author_url: "https://blog.markkulab.net/author/mark-ku" site: "Mark Ku's Blog" date_published: "2026-11-01T02:00:00.000Z" category: "地端 AI 實驗室" tags: ["local-ai", "podcast", "地端模型", "lora", "開源模型", "Mage-VL-Cowork", "Clover-35B-A3B-Preview", "CodingAgent", "電腦操作Agent", "AI實驗室"] language: "zh-TW" license: "CC BY 4.0" license_url: "https://creativecommons.org/licenses/by/4.0/" attribution: "轉載或引用請註明作者並附上原文連結" --- # 🧪 4GB 顯卡控螢幕！Mage-VL-Cowork 打造地端 Agent｜地端 AI 實驗室 微軟最新開源的 4B 超輕量級模型 Mage-VL-Cowork 竟然能在 4GB 顯示記憶體的平價顯卡上，幫你自動寫 Python 整理資料，還能直接看懂螢幕模擬滑鼠操作。本期我們還要帶來在 SWE-bench 衝上 73.6 高分的 Clover-35B-A3B-Preview 擴散語言模型，到底它是怎麼做到每秒破百 token 的極致速度？等一下告訴你！ ## 本期精選 ### 1. microsoft/Mage-VL-Cowork：極輕量地端雙棲電腦操作 Agent - **這是什麼**: 這是由微軟（Microsoft）開源的 4B（40 億參數）超輕量級多模態電腦操作 Agent 模型，授權條款採用友善的 apache-2.0。它最大的特色是能在單一決策機制中，自主切換圖形介面（GUI）與命令列（CLI）操作。 - **能用在哪些場景**: - **場景一：自動化處理重複的資料整理任務**。當軟體工程師需要合併多個試算表的複雜欄位時，以往得手動點擊軟體。現在 Mage-VL-Cowork 可以直接在終端機中自動編寫並執行 Python 腳本（例如呼叫 openpyxl 函式庫），在後台用程式碼高效搞定檔案編輯，避開繁瑣的 GUI 點擊。 - **場景二：操作沒有 API 的網頁或圖形介面應用程式**。當開發者需要控制某些封閉系統或舊版軟體時，該模型會自動切換至 computer_use 管道，透過辨識螢幕截圖並模擬滑鼠點擊與鍵盤輸入，像人類一樣完成介面操作。 - **場景三：在安全的隔離環境中執行系統級自動化任務**。如果團隊需要在不外洩敏感程式碼或商業機密的前提下執行系統級任務，由於這款模型只有 4B 大小，開發者可以將其完全部署在本地的沙盒、Docker 容器或虛擬機中，在保護隱私的安全環境下讓 Agent 執行任意的 Shell 指令與檔案操作。 - **跑得動嗎**: 官方 model card 標示其 BF16 完整權重大小約為 9.48 GB。不過根據第三方分析平台 modelfit.io 的評估，其 Q4_K_M 量化 GGUF 格式加上視覺投影器（Vision Projector）整體容量僅約 3 GB，因此 NVIDIA 顯示卡建議至少配備 4 GB 顯示記憶體（例如 GTX 1650、RTX 3050）即可執行，若在 16GB 的 Mac 上運作也完全足夠。 - **本期聲量**: 目前在 Hugging Face 上的熱度值為 104，累計有 752 次下載，並獲得 105 個讚。 - **跟同類比**: 根據微軟官方在 OSWorld-Verified 基準測試上的數據，Mage-VL-Cowork 取得了 66.0% 的任務成功率。這個成績不僅超越了體積更大的 Muse Glimmer-30B (65.9%) 與 Qwen3.6-27B (63.9%)，更遠遠領先同為 4B 規模但僅專注於 GUI 的 Fara1.5-4B (13.9%)。 - **怎麼取得**: 官方 README 說明，開發者可以直接透過 Transformers 載入模型（需在程式碼中設定 `trust_remote_code=True`），或者使用官方提供的 SGLang 容器進行部署。 - **連結**: [microsoft/Mage-VL-Cowork](https://huggingface.co/microsoft/Mage-VL-Cowork) --- ### 2. Diffuspace/Clover-35B-A3B-Preview：地端最強 Coding Agent 的極速擴散利器 - **這是什麼**: 這是一部由 DiffuSpace 推出的 35B 混合專家（MoE）擴散語言模型，授權條款為 apache-2.0。它是目前首款開源的擴散語言模型，專門針對 Agent 任務進行深度優化，特別擅長自主編寫程式碼、呼叫工具與瀏覽網頁。 - **能用在哪些場景**: - **場景一：建立地端的自主 Coding Agent**。當軟體工程師想要在本地環境中建立一個能自動修復 GitHub 專案 Bug 的小助手時，Clover-35B-A3B-Preview 展現了極高的任務完成率，它能夠自主編寫程式碼、呼叫外部工具並瀏覽網頁，高效解決儲存庫中的問題。 - **場景二：建構超低延遲的地端 AI 助理**。開發者如果需要極快的回應速度來應對複雜的 Agent 工作流，該模型採用的「區塊擴散（Block Diffusion）」技術，可以並行去噪並生成多個 Token，在複雜的自動化流程中提供超高吞吐量的流暢生成體驗。 - **跑得動嗎**: 根據第三方部署指南 mindstudio.ai 與模型規格指出，BF16 完整權重約需要 69GB 的顯示記憶體。不過官方 README 提到，他們已經提供了 8-bit 與 4-bit 的 GGUF 量化版本，開發者可以輕鬆透過 llama.cpp 進行本地推論，且該模型還支援自我投機解碼（Self-Speculative Decoding）來進一步加速。 - **本期聲量**: 目前在 Hugging Face 上的熱度高達 195，累積下載次數達 2.4k 次，並獲得 199 個讚。 - **跟同類比**: 根據 DiffuSpace 官方數據，Clover-35B-A3B-Preview 在 SWE-bench Verified 取得了 73.6 的驚人高分，並在 Terminal-Bench 2.1 取得 51.7 分，性能超越了同等參數規模的自迴歸模型 Qwen3.6-35B-A3B。此外，官方指出它在 H200 上的 Agent 任務生成速度達 515 tokens/s，顯著快於使用 DFlash2 投機解碼的 Qwen 模型（365 tokens/s）。 - **怎麼取得**: 官方 README 說明，開發者可透過安裝 llama.cpp，並在終端機啟動與 OpenAI 相容的本地伺服器來載入：`llama serve -hf Diffuspace/Clover-35B-A3B-Preview-GGUF:Q4_K_M`。 - **連結**: [Diffuspace/Clover-35B-A3B-Preview](https://huggingface.co/Diffuspace/Clover-35B-A3B-Preview) --- ## 結尾段落 從這期的選題可以看出，地端 Agent 模型的發展已經進入了「高效率」與「多重操作」的全新階段。不論是只要 4GB 顯示記憶體就能靈活切換 GUI 與 CLI 的 Mage-VL-Cowork，還是用區塊擴散技術狂飆生成速度的 Clover-35B-A3B-Preview，都讓台灣工程師可以在完全保護隱私的前提下，親手打造出極具生產力的本地自動化工作流。今天的介紹就到這邊，我們下一集見！ --- ## 關於本文與作者 本文出自 [Mark Ku's Blog](https://blog.markkulab.net/local-ai-lab/local-ai-lab-2026-11-01) 授權條款： [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) — 轉載或引用請註明作者並附上原文連結 ### 關於作者 **[Mark Ku](https://blog.markkulab.net/author/mark-ku)** — 軟體工程師 - 10 年以上軟體工程師 - 做過北美電商與 AI SaaS 訂閱收費系統 ### 作者開發的免費工具 以下工具皆可免費使用： - [免費 PDF 簽名工具](https://blog.markkulab.net/tools/pdf-sign): 線上 PDF 簽名工具，瀏覽器內完成手繪、打字、上傳簽名，可拖曳放置、縮放、下載。所有處理都在你的裝置完成，檔案不會上傳。 - [VS Code Refactory](https://blog.markkulab.net/tools/refactory): Refactory 是一款 VS Code 重構擴充套件：34 個重構動作、37 條 code smell 檢查、Code Health 儀表板、18 種語言、534 支測試。懂你的專案慣例：介面放哪、DI 註冊寫在哪、'use client' 該不該加；還會用 git 修改頻率 × 複雜度排出「該先修哪個檔案」，並一鍵把壞味道交給你自己電腦上的 Claude Code 修。免費使用，原始碼不離開你的機器。 - [DB-Kit 資料庫管理工具](https://blog.markkulab.net/tools/db-kit): DB-Kit 是一個用 Tauri + Rust + React 打造的輕量跨平台資料庫管理工具，用單一一致的介面同時管理 MySQL、MariaDB、PostgreSQL、SQL Server、Oracle、SQLite、MongoDB、Redis、Kafka、Elasticsearch 與 RabbitMQ 十一種資料來源：連線密碼以 OS keychain 加密、SSH Tunnel、完整 CRUD、視覺化查詢建構器、多結果集同時顯示、跨連線資料傳輸、結構與資料比對（同步 SQL、結構快照）、Excel / CSV 匯入匯出、執行計畫視覺化、ER 圖、排程備份、SQL 壓力測試（p50～p99 延遲百分位）、15 條規則的 SQL 審查、執行前 AI 審查並逐句備份的「審查並執行」（自動產生回滾腳本）、Kafka 訊息瀏覽與監控告警、SSH 終端機與 SFTP / FTP、Docker / Kubernetes、遠端桌面（RDP / VNC / RustDesk）、檔案 / 資料夾比對、預存程序整合測試；六種介面語言，內建 AI 助手（本機 CLI 或 Anthropic / OpenAI 相容 API，自然語言生成 SQL、AI 審查與調校建議）與命令列工具 dbk。免費開源（MIT），提供 Windows / macOS / Linux 安裝檔。 - [VS Code Super Mermaid](https://blog.markkulab.net/tools/super-mermaid): Super Mermaid 是一款 VS Code 擴充套件：開箱即用的漂亮 Mermaid 圖表，自動上色、即時預覽、滑鼠平移縮放、PNG / SVG 高解析匯出，內建 21 種範本與多種主題。免費開源（MIT）。 - [React Super Mermaid](https://blog.markkulab.net/tools/react-super-mermaid): react-super-mermaid 是一個開源 React 元件庫：一行 即可渲染漂亮的 Mermaid 圖表，內建 colorful / sketch 主題、平移縮放、圖內搜尋、SVG / PNG 高解析匯出。輕量、SSR 安全、完整 TypeScript 型別。免費開源（MIT）。 - [Jira / Confluence Super Mermaid](https://blog.markkulab.net/tools/jira-super-mermaid): Atlassian Forge app：在 Jira issue 與 Confluence 內文直接寫 Mermaid 語法，畫流程圖、時序圖、狀態機與甘特圖。11 種圖表、SVG / PNG 匯出、明暗主題、完整中日韓文字支援。取得 Runs on Atlassian 資格：圖表存在你自己的站台，app 不呼叫任何第三方服務。免費，即將上架 Atlassian Marketplace。 - [Mermaid 線上預覽](https://blog.markkulab.net/tools/mermaid-preview): 在瀏覽器裡寫 Mermaid、即時看圖，整張圖表壓進網址就能分享。免註冊、不上傳伺服器，相容 mermaid.live 的分享連結。 - [React Intl Phone Number](https://blog.markkulab.net/tools/react-intl-phone-number): react-intl-phone-number 是一個開源 React 元件：framework-agnostic、不依賴 antd，提供 E.164 進出、可搜尋國旗 / 國碼下拉、可配置驗證等級（strict / mobile-strict / loose）、可主題化 CSS 與 i18n，電話邏輯由 google-libphonenumber 驅動。輕量、完整 TypeScript 型別。免費開源（MIT）。 - [Uptime Kuma Cluster](https://blog.markkulab.net/tools/uptime-kuma-cluster): 把單機版 Uptime Kuma 改造成高可用叢集：OpenResty + Lua 智慧負載平衡、MariaDB 共享狀態、健康檢查與自動 Failover，附監控與叢集管理 RESTful API，一行 Docker Compose 啟動。免費開源（MIT）。 - [AI Podcast Cut 音檔剪輯](https://blog.markkulab.net/tools/ai-podcast-cut): 丟進一段錄音，AI 幫你剪掉「嗯、呃、那個」與講到一半重講的片段，平衡逐段音量，並派第二個 agent 覆核每一刀。辨識與去人聲都在你自己的電腦上跑，不上傳、不需要金鑰。剪點會貼齊字邊界與零交越、每一刀都有漸弱漸強，句尾還留得住呼吸感。Windows / macOS / Linux 桌面應用，MIT 開源，Windows 安裝檔內建 ffmpeg。 - [AI Video Cut 影片剪輯](https://blog.markkulab.net/tools/ai-video-cut): 在影片裡選一個東西：打字（人臉、車牌、手機螢幕、logo）、手動點選或拖框，或交給 Claude Code / Codex 挑。AI Video Cut 會逐幀追蹤它，再幫你打馬賽克或模糊、調色、加跟著走的貼紙與文字、把螢幕或海報換成你的圖片或影片，甚至用其他幀拍到的背景把它移除。另有序列剪輯、本機字幕與 AI 助手。免費開源（MIT）的 Windows 桌面應用（macOS / Linux 實驗中），本機運行，影片不上傳。 - [open-pos 開源餐飲 POS](https://blog.markkulab.net/tools/open-pos): 一台電腦加一台出單機就能開店。資料存在自己的硬碟裡、沒有月租、沒有綁約，MIT 全開源。金額用整數元依營業稅法拆算稅額，銷售額加稅額恆等於總額；出單走網路型 ESC/POS（TCP 9100），不必裝廠商驅動。Tauri + Rust + SQLite 桌面應用，v1.0 開發中。 - [.NET 電商 API 架構範本](https://blog.markkulab.net/tools/dotnet-ecommerce-api): 以 .NET 10 打造的電商平台後端 API 架構範本：Controller → Service → Repository 分層、Autofac 依命名慣例自動註冊、SqlSugar 支援 MySQL / MariaDB 與 SQL Server、Redis 快取與訊息佇列、Hangfire 排程、JWT 認證，內建可擴充的金流 Provider 模組（綠界 ECPay、藍新 Newebpay）。Apache 2.0 開源。 - [Open Token Monitor 團隊 AI 用量監控](https://blog.markkulab.net/tools/open-token-monitor): 把每位員工電腦上 AI coding 工具的 token 用量與等值成本集中到公司自架的 hub：PostgreSQL、組織名單、依公司與部門比較的 dashboard、報表 API。員工端有 Electron 與 Rust/Tauri 兩種，每 30 分鐘自動上傳。MIT 開源，Docker 一行起。 - [AI 資安監控 ai-security-monitor](https://blog.markkulab.net/tools/ai-security-monitor): 網站上線了，漏洞、憑證與安全設定誰來檢查？ai-security-monitor 用自架 Security Hub 集中網站掃描與主機監控，合併重複發現、比對修補前後，讓你知道哪些問題還沒處理。 ### 每日 Podcast - [Mark's Tech Insights 每日 AI 新鮮事](https://blog.markkulab.net/category/tech-news): 每日精選 AI 與科技趨勢，透過語音摘要快速掌握最新技術動態，涵蓋 AI 應用、軟體架構、DevOps 與工程實戰。 — RSS: https://blog.markkulab.net/feed.xml - [AI股市蝦聊](https://blog.markkulab.net/category/ai-stock-chat): 每個交易日用 AI 分析台股盤勢，以雙人對話聊當天的盤中觀察與隔日預測。 — RSS: https://blog.markkulab.net/ai-stock-chat/feed.xml - [開源好物日報](https://blog.markkulab.net/category/open-source-weekly): 每天從 Hacker News、GitHub、Reddit 聲量雷達精選免費開源工具，以雙人對話聊解決什麼痛點與怎麼快速上手。 — RSS: https://blog.markkulab.net/open-source-weekly/feed.xml - [AI 運動日報](https://blog.markkulab.net/category/sports-weekly): 每天以雙人對話聊 NBA、MLB 與國際體壇大事，台灣球迷視角，輕鬆有梗不酸人。 — RSS: https://blog.markkulab.net/sports-weekly/feed.xml - [AI 國際新聞快報](https://blog.markkulab.net/category/world-news): 每天早上以雙人對話把過去一天的國際大事講白：政治外交、全球經濟、衝突與安全、災害與氣候，台灣視角、中立客觀、每則附出處。 — RSS: https://blog.markkulab.net/world-news/feed.xml - [地端 AI 實驗室](https://blog.markkulab.net/category/local-ai-lab): 每天精選可以下載到自己機器上跑的開源模型與 LoRA，用雙人對話講清楚能用在哪些場景、你的顯卡跑不跑得動、跟同類差在哪，規格一律引述官方 model card。 — RSS: https://blog.markkulab.net/local-ai-lab/feed.xml - [AI 行銷日報](https://blog.markkulab.net/category/ai-marketing): 每天以雙人對話整理最新 AI 在行銷、廣告、SEO／GEO 與內容行銷的大事，實戰視角、不業配、每則附出處。 — RSS: https://blog.markkulab.net/ai-marketing/feed.xml - [AI 資安日報](https://blog.markkulab.net/category/ai-security): 每天以雙人對話整理最新 AI 與資安交會的大事：LLM 與 AI agent 漏洞、prompt injection、模型供應鏈、攻擊者怎麼用 AI，防禦視角、每則附出處。 — RSS: https://blog.markkulab.net/ai-security/feed.xml ### 電子報 [訂閱電子報](https://blog.markkulab.net/subscribe) — 第一時間收到新文章通知，無垃圾信、隨時可取消訂閱。