You can deploy this model and start earning money today!

Matzan/
desktop-agent-uncensored

Name: desktop-agent-uncensored
Availability: InStock

ml-intern

Views

No views yet

🤖 Desktop Agent Autónomo (Sin Censura)

Agente de escritorio autónomo con VLM multimodal sin censura.

Arquitectura

👁️ OJOS     → pyautogui.screenshot() → Captura pantalla
🧠 CEREBRO  → Qwen3.5-35B-A3B-abliterated → Piensa y decide
🖐️ MANOS    → pyautogui → Ejecuta acciones
📚 MEMORIA  → DPO online → Aprende de interacciones

Modelos Soportados (Sin Censura)

Modelo	Tamaño	VRAM (4-bit)	Tipo	Link
Qwen3.5-35B-A3B-abliterated ⭐	35B/3B activos	~16GB	MoE	HF
Qwen3.6-27B-abliterated	27B	~27GB	Dense	HF
Gemma-4-26B-A4B-abliterated	26B/4B activos	~14GB	MoE	HF

Instalación

pip install -r requirements.txt

Uso

1. Ejecutar agente

python agent.py --task "Open Chrome and search for AI news" --steps 20

2. Entrenar con DPO (aprendizaje)

Primero el agente interactúa y guarda logs. Luego:

python train_dpo.py --epochs 3 --lr 5e-7

3. Usar modelo entrenado

python agent.py --model "Matzan/desktop-agent-dpo" --task "New task"

Acciones Soportadas

click(x, y) — Click en coordenadas normalizadas (0-1)
type("text") — Escribe texto
key("enter") — Presiona tecla
scroll(x, y, "down") — Scroll en posición
done("reason") — Termina tarea
fail("reason") — No puede completar

⚠️ Seguridad

pyautogui.FAILSAFE = True — Mueve mouse a esquina superior izquierda para abortar
El agente puede interactuar con tu desktop real. Úsalo con precaución.

Pipeline de Aprendizaje

1. Agente interactúa → Guarda (screenshot, acción, reward)
2. DPO: compara acciones exitosas vs fallidas
3. Reentrena modelo
4. Repite

Generated by ML Intern

This model repository was generated by ML Intern, an agent for machine learning research and development on the Hugging Face Hub.

Try ML Intern: https://smolagents-ml-intern.hf.space
Source code: https://github.com/huggingface/ml-intern

Usage

python

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = 'Matzan/desktop-agent-uncensored'
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

For non-causal architectures, replace AutoModelForCausalLM with the appropriate AutoModel class.