Beobachtetes Signal · 6. Mai 2026 · Technical Release · Quelle: DEV Community · Relevanz: 3/5 · Sentiment: Positiv
Mano-P On-Device GUI Agent, Cider SDK und Mano-AFK Open-Source veröffentlicht
Mininglamp-AI hat einen vollständigen On-Device GUI-Agenten-Stack für Apple Silicon als Open Source veröffentlicht, der das lokale Modell Mano-P 1.0-4B, das Cider INT8 Activation Quantization Inference SDK sowie Mano-AFK umfasst. Der Stack arbeitet vollständig offline, sodass Screenshots und Aufgabendaten auf dem Gerät verbleiben. Mano-P nutzt eine dreistufige Trainingspipeline aus SFT, Offline-RL und Online-RL sowie eine Think-Act-Verify-Schleife. Cider stellt über benutzerdefinierte Metal-Kernels W8A8- und W4A8-Modi bereit, um eine INT8-Quantisierung auf MLX zu ermöglichen, und erzielt messbare Prefill-Beschleunigungen gegenüber nativen MLX-Modi. Die Veröffentlichung beinhaltet Hardware-Empfehlungen, Leistungsdaten sowie GitHub-Repositories und Downloads auf HuggingFace und ModelScope.
Bietet einen datenschutzkonformen On-Device GUI-Agenten-Stack und ein INT8 Activation Quantization SDK als Open Source, die lokale Inferenz-Workflows auf Apple Silicon maßgeblich beeinflussen und für Entwickler und Unternehmen mit Fokus auf Offline-Agenten relevant sind.
Marktsignale zu Apple in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Mininglamp-AI hat am 06.05.2026 das lokale Modell Mano-P 1.0-4B, das Cider SDK und Mano-AFK als Open Source veröffentlicht.
- Mano-P ist ein GUI-VLA-Agent mit einer dreistufigen Trainingspipeline (SFT -> Offline RL -> Online RL) und einer Think-Act-Verify-Schleife.
- Cider ist ein Open-Source INT8 Activation Quantization SDK für macOS, das W8A8- und W4A8-Modi über Custom Metal Kernels implementiert.
- Mano-P 1.0-4B läuft offline auf Apple Silicon; empfohlen werden Apple M4/M5 (oder höher) mit 32 GB+ Unified Memory oder ein Mano-P Compute Stick über USB 4.0.
- Cider W8A8 erzielt einen Prefill-Geschwindigkeitszuwachs von ca. 12,7 % (Mano-P Decode ca. 79–80 Tokens/s auf Apple M5 Pro) sowie eine 1,4- bis 2,2-fache End-to-End VLM-Beschleunigung gegenüber MLX native W4A16.
Verknüpfte Unternehmen
1 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Mano-P: Open-Source On-Device GUI-Agent und Führungswechsel bei Apple
Der Artikel stellt Mano-P vor, einen Open-Source On-Device GUI-Agenten für macOS, der per Pure-Vision-Ansatz grafische Benutzeroberflächen bedient. Unter Apache 2.0 veröffentlicht (GitHub: Mininglamp-AI/Mano-P), nutzt das Tool eine dreistufige Trainingspipeline aus Supervised Fine-Tuning, Offline-RL und Online-RL sowie eine Think-Act-Verify-Inferenzschleife zur Selbstkorrektur. Benchmarks zeigen eine Erfolgsquote von 58,2 Prozent für das 72B-Modell auf OSWorld und 41,7 NavEval Punkte auf WebRetriever Protocol I, womit es einige Wettbewerber übertrifft. Eine quantisierte 4B-w4a16-Variante läuft lokal auf dem Apple M4 Pro (476 Tokens/s Prefill, 76 Tokens/s Decode, 4,3 GB Peak-Memory). Zudem gab Apple bekannt, dass Tim Cook als Executive Chairman wechselt und John Ternus zum 1. September neuer CEO wird.
Mano-P: Edge-Native KI-Agent stellt Datensouveränität wieder her
Der Artikel stellt Mano-P vor, eine Open-Source-Architektur für edge-native KI-Agenten, die vollständig auf lokaler Hardware läuft, um die Datensouveränität zu wahren und Cloud-Abhängigkeiten zu reduzieren. Mano-P nutzt rein visuelles Verständnis über Screenshots, w4a16-Quantisierung und GS-Pruning, um ein Modell mit 4 Milliarden Parametern interaktiv auf Consumer Apple Silicon auszuführen. Getestet auf einem Apple M4 Pro (32 GB) liefert das Modell 476 Token/s Prefill, 76 Token/s Decode und benötigt maximal 4,3 GB Speicher. Zitierten Benchmarks zufolge erreicht es eine Erfolgsquote von 58,2 % bei OSWorld sowie 41.7 NavEval beim WebRetriever Protocol I und übertrifft damit größere Cloud-Modelle bei GUI-Automatisierungsaufgaben. Das Projekt folgt einer dreistufigen Trainingspipeline (SFT, Offline-RL, Online-RL), unterstützt lokales USB-4.0-Beschleuniger-Offloading und wird schrittweise als Open Source unter Apache 2.0 veröffentlicht.
Lokale KI wird zum neuen Standard für Entwickler
Eine Analyse der DEV Community zeigt, dass lokale KI – das Ausführen von Modellen und Agents direkt auf Endgeräten – für viele Entwickler zum Standard geworden ist. Auslöser war ein viral gegangener Hacker-News-Beitrag Anfang 2025 mit 1.763 Upvotes und über 800 Kommentaren. Technologische Treiber dieser Entwicklung sind Fortschritte bei Consumer-Hardware wie Apples M-Serie und MLX, Inferenz-Tools wie llama.cpp und Ollama, die Verfügbarkeit von Open-Weight-Modellen im Hugging-Face-Ökosystem sowie Quantisierungstechniken wie GGUF, AWQ und GPTQ. Als Hauptvorteile nennt der Artikel Datenschutz, geringere Latenzen, Kosteneffizienz, Offline-Verfügbarkeit und Reproduzierbarkeit. Ein konkretes Praxisbeispiel ist der von Mininglamp Technology veröffentlichte, Open-Source-fähige, vision-basierte GUI-Agent Mano-P, der im OSWorld-Benchmark mit 58,2 % Genauigkeit den ersten Platz belegt und ein quantisiertes 4B-Modell auf einem M4 Pro ausführt.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.