近日,明略科技正式开源自研 Cider 推理加速 SDK(软件开发工具包),以及端侧 GUI 智能体模型 Mano-P。继此前开源的 Mano-CUA skill 之后,本次 Mano-P 模型的开源直观展现了端侧模型在真实业务闭环中的巨大潜能。而 Cider 框架则从计算算子与硬件调用机制的底层出发,赋能端侧大模型在 macOS 系统本地算力下以更高效率、更低内存占用流畅运行。 Mano-P:验证端侧智能体落地潜能 Mano-P 是明略科技自研的端侧 GUI-VLA 智能体模型。它能够通过纯视觉方式理解并操作图形界面,既不依赖传统 API 对接,也不局限于浏览器场景,而是可以直接作用于桌面软件、网页系统以及更复杂的图形化工作流。 复杂的图形界面交互天然要求模型具备强大的多模态视觉理解能力,模型必须持续、高频地处理屏幕截图,精准定位微小的界面元素,并结合视觉反馈执行后续操作。在传统的云端大模型架构下,这种高频的视觉交互所带来的 token成本消耗极为高昂。 相比之下,参数规模为 4B 的 Mano-P 端侧模型,不仅在 CUA 任务上展现出了媲美云端大模型的准确率,更将原本极其高昂的云端接口调用成本直接清零。在完全离线的本地模式下,所有的应用截图、交互过程与任务数据均被严格锁定在用户的本地设备之中,将隐私安全成为一种“物理隔离”的必然。 Cider:面向 Apple Silicon 的端侧推理加速框架 真正决定端侧模型可用性的核心指标,在于本地推理速度、硬件利用率、内存占用、接入成本以及长期稳定性。如果推理速度过慢,AI 的交互体验便会大打折扣;如果内存占用过高,模型就难以在主流设备上广泛部署;如果接入成本居高不下,企业和开发者便难以将端侧能力快速融入自身的业务线。 Cider 正是在这一背景下应运而生。作为明略科技自研并开源的 SDK(软件开发工具包),Cider 基于