IT Home在2月17日报告说，Microsoft OmniparSer是一种AI工具，可根据纯视觉分析和识别屏幕上的交互式图标。以前，它与GPT-4V配对以显着增强识别能力。

2月12日，微软在其官方网站上发布了最新版本的OmniparSer v2.0，该网站可以将OpenAI（4O/O1/O3-MINI），DeepSeek（R1），Qwen（2.5VL）和人类（SONNET）转换为模型例如可以控制计算机的AI代理。

与V1版本相比，OmniParser V2使用较大的量表交互式元素检测数据和图标功能标题数据进行训练，具有更高的准确性，更快的推理速度和降低延迟时，当检测较小的交互式UI元素时。 60％。

在ScreenSpot Pro中，V2+GPT-4O的精度达到39.6％，而GPT-4O的原始精度仅为0.8％。

为了更快地使用不同的代理设置，Microsoft还打开了Omnitool的来源，Omnitool是一种基于Docker的Windows系统，该系统集成了代理要求的一系列基本工具，涵盖了诸如屏幕理解，定位，操作计划和执行等功能。它也是将大型型号变成代理商的关键工具。

IT Home配备了开源地址：