1. Mano-P 项目概述
Mano-P 是明略科技推出的开源 GUI 智能体项目,专为苹果芯片边缘设备设计。作为一款端侧 GUI-VLA(Vision-Language-Action)模型,它能够在用户自己的 Mac 上本地运行,实现屏幕理解和自动化操作。与传统的云端 GUI 智能体不同,Mano-P 的所有推理过程都在设备本地完成,确保了数据隐私和安全。
这个项目名称中的 "Mano" 源自西班牙语中的"手",而 "P" 则有两重含义:Person(个体)与 Party(组织)。这种命名方式体现了项目的核心理念——无论是个人用户还是企业组织,都能够创建属于自己的个性化 AI 助手。
Mano-P 最引人注目的特点是其完全本地化的运行方式。在本地模式下,所有模型推理都在 Apple M4 设备上完成,不会向外部服务器发送任何截图或任务描述。这种设计特别适合对数据安全有严格要求的使用场景,如金融、医疗和法律等行业。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. Mano-P 的核心技术解析
2.1 GSPruning 视觉 Token 剪枝技术
Mano-P 在处理高分辨率屏幕截图时采用了创新的 GSPruning 技术。这项技术能够智能识别屏幕中的关键信息,保留界面结构骨架和重要 UI 元素,同时将视觉 Token 压缩至原始数据的 12.57%。这种处理方式类似于人类浏览网页时的注意力机制——我们不会逐像素地观察整个屏幕,而是聚焦于按钮、输入框等关键交互元素。
在实际应用中,GSPruning 带来了显著的性能提升:
- 推理速度提升数倍
- 内存占用大幅降低
- 任务成功率几乎不受影响
2.2 混合精度量化(w4a16)
为了在消费级设备上高效运行大参数模型,Mano-P 采用了混合精度量化技术。具体实现方式为:
- 权重用 4bit 存储
- 激活值保留 16bit
这种量化方案在 M4 Pro 芯片上的表现令人印象深刻:
- 峰值内存仅 4.3GB
- 预填充速度达到 476 tokens/s
- 解码速度为 76 tokens/s
这意味着即使是配备 32GB 内存的 MacBook Pro 也能流畅运行 Mano-P,同时保持正常的办公性能。
2.3 Mano-Action 双向自增强训练
传统的 GUI 自动化模型通常只进行单
