Beobachtetes Signal · 22. Apr. 2026 · Technical Release · Quelle: DEV Community · Relevanz: 2/5 · Sentiment: Positiv
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.
Der Open-Source On-Device GUI-Agent Mano-P demonstriert rasante Fortschritte bei agentischer UI-Automatisierung und Edge-Deployment (w4a16-Quantisierung), was für Entwickler und datenschutzkonforme KI hochrelevant ist, jedoch keine plattformpolitische oder markterschütternde kommerzielle Ankündigung darstellt.
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
- Apple gab bekannt, dass Tim Cook als Executive Chairman wechselt und John Ternus zum 1. September neuer CEO wird.
- Mano-P ist ein Open-Source On-Device GUI-Agent für macOS unter Apache 2.0 Lizenz (GitHub: https://github.com/Mininglamp-AI/Mano-P).
- Mano-P nutzt einen Pure-Vision-Ansatz und eine dreistufige Trainingspipeline: Supervised Fine-Tuning (SFT), Offline-Reinforcement-Learning und Online-Reinforcement-Learning.
- Das 72B-Modell von Mano-P erreichte 58,2 Prozent Erfolg auf OSWorld und 41,7 NavEval auf WebRetriever Protocol I, vor Gemini 2.5 Pro (40,9) und Claude 4.5 (31,3).
- Eine quantisierte 4B-w4a16-Variante läuft on-device auf dem Apple M4 Pro mit 476 Tokens/s Prefill, 76 Tokens/s Decode und 4,3 GB Speicherauslastung.
Verknüpfte Unternehmen
3 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Mano-P On-Device GUI Agent, Cider SDK, Mano-AFK Open-Source
Mininglamp-AI has open-sourced a full on-device GUI agent stack for Apple Silicon that includes the Mano-P 1.0-4B local model, the Cider INT8 activation quantization inference SDK, and Mano-AFK (an end-to-end automated app builder). The stack is designed to run entirely offline so screenshots and task data remain on-device. Mano-P uses a three-stage training pipeline (SFT → Offline RL → Online RL) and a think-act-verify loop; benchmarked results are reported for larger Mano-P variants. Cider provides W8A8 and W4A8 modes via custom Metal kernels to enable INT8 activation quantized inference on MLX, claiming measurable prefill speedups versus MLX native modes. The release includes hardware guidance, performance figures, GitHub repos, and downloads on HuggingFace and ModelScope. Publication date: 2026-05-06.
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.
Vision-Only AI Agents Break the Browser Boundary
The article describes a vision-only approach to GUI automation that lets AI agents interact with any on-screen application by reasoning over pixels rather than relying on browser DOM or OS accessibility APIs. It compares three approaches (CDP/HTML parsing, accessibility APIs, and vision-only), explains strengths and limitations, and presents Mano-P — an open-source, Apache‑2.0 GUI-aware agent model from Mininglamp-AI — as a working vision-first system. Mano-P reportedly achieves a 58.2% success rate on the cross-application OSWorld benchmark (vs. 45.0% for the runner-up), outperforms competitors on a web navigation benchmark (41.7 NavEval), and runs on-device using a 4B-parameter model with w4a16 quantization. The piece covers training (SFT, offline RL, online RL), model compression (GS-Pruning), edge performance metrics on Apple M4 Pro, and a three-phase release plan (skills released; local models/SDK and training methods forthcoming).
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.