新万博体育

　　猫眼电影记者 陈众议 报道Q8X2R7L1T4J5M9B6W3

GELab-Zero团队 投稿量子位 | 公众号 QbitAI

首次将GUI Agent模型与完整配套基建同步开放，支持手搓党一键部署！

这就是阶跃星辰刚刚开源的GELab-Zero。

其中4B版本的GUI Agent模型在手机端、电脑端等多个GUI榜单上全面刷新同尺寸模型性能纪录，取得SOTA成绩。

随着AI在手机等消费终端的普及，Mobile Agent正从“能不能用”迈向“能否规模化落地”。

GUI Agent是执行能力最强的形态之一。它基于视觉理解即可适配几乎所有App，无需厂商额外改造，接入成本极低。

此外，阶跃还同步开源了基于真实业务场景的自建评测标准AndroidDaily，以期推动GUI领域模型评测向消费级、规模化应用发展。

同尺寸性能 SOTA，端到端、轻量化、速度快

要知道，让GUI Agent在不同品牌与系统版本的设备上顺畅运行并不轻松。

移动生态的高度碎片化让开发者需处理多设备ADB连接、依赖安装、权限配置、推理服务部署、任务编排与回放等繁琐流程，工程成本高昂，精力难以聚焦在策略创新与体验设计上。

要推动移动端Agent真正规模化，必须首先降低开发与使用门槛，让开发者专注于创造价值，而非重复搭建底层设施。

基于此，阶跃开源了GELab-Zero。

它主要包含三部分：

一个能在本地运行的GUI Agent模型GELab-Zero-4B-preview即插即用的完整推理工程基建，解决所有脏活累活基于真实业务场景的自建评测标准AndroidDaily

研究团队在ScreenSpot、OSWorld、MMBench、Android World多个开源基准测试上对GELab-Zero-4B-preview模型进行了全面评估。

这些基准测试涵盖了GUI理解、定位、交互等多个维度。

从测试结果可以看出，GELab-Zero-4B-preview在多项开源基准测试中超越其他主流模型，拿下同尺寸SOTA。

值得一提的是，GELab-Zero-4B-preview的表现还超越了参数量更大的GUI-Owl-32B等模型，性能更优，也更易部署。

来看一下研究团队给出的示例场景。

复杂任务

场景1：在外卖平台同时采购跨品类、不同规格和数量的商品。

Prompt：去饿了么离我最近的盒马鲜生购买：红颜草莓300g、秘鲁比安卡蓝莓125g（果径18mm）、当季新鲜黄心土豆500g、粉糯贝贝南瓜750g、盒马大颗粒虾滑、2瓶盒马纯黑豆豆浆300ml、小王子夏威夷果可可脆120g、盒马菠菜面、盒马五香牛肉、5袋好欢螺柳州螺狮粉（加辣加臭）400g、m&m’s牛奶巧克力豆100g

可以看到，模型精准识别了物品信息，并顺畅地完成了多步骤、重复性的购买操作。

场景2：在企业福利APP中领取餐券。

Prompt：打开给到App，在我的，下滑寻找，员工权益-奋斗食代，帮我领劵。

上述示例展示了GELab-Zero-4B-preview执行的能力和范围具有很强的泛化性，无论在国民级APP还是小众产品平台，都可以顺利完成任务。

模糊指令

场景1：在某个视频平台上播放指定演员的经典作品。

Prompt：在腾讯视频上找一部成龙的经典动作片播放。

接到指令后，GELab-Zero-4B-preview自主拆解“经典”这一需求，确定执行标准。

过程中，模型先打开腾讯视频，识别并关闭了弹窗，搜索“成龙”后在电影类目中选择了页面上成龙评分最高的代表作播放。

场景2：找一个周末能带孩子玩的地方。

Prompt：帮我找个周末能带孩子去玩的地方。

接到指令后，模型首先在内容平台搜索“北京周末带娃”，然后自主判断衡量标准后为用户推荐北京园博园“顽酷奇遇”，并为用户提炼出该地点的亮点——“有巨型装置卡通，亲子活动丰富”。

可以看到，GELab-Zero-4B-preview模型能够很好地执行复杂任务和模糊指令，不仅可以准确、流畅地执行涉及到多步骤、多主体、重复操作的任务，也能对“好看”“适合玩的”“经典”等偏笼统和主观性的指令进行自主拆解，确定执行路径和标准。

GUI+基建=GUI Agent MCP，一键拉起部署

针对GUI智能体，研究人员构建了一整套完整的技术架构体系，可以一键拉起获得类似开源GUI Agent MCP的体验。

具体能力如下：

轻量级本地推理支持4B模型在消费级硬件上运行，兼顾低延迟与隐私。一键任务启动提供统一部署流水线，自动处理环境依赖和设备管理。多设备任务分发可以分发到多台手机并记录交互轨迹，实现可观测、可复现。多种Agent模式涵盖ReAct闭环、多智能体协作以及定时任务等多种工作模式。

这些能力让GELab-Zero能够灵活应对真实场景的复杂任务流，并为后续扩展提供扎实底座。

Agent开发者可基于这套基建快速测试新想法、验证交互策略；企业级用户则能直接复用这套基建，将MCP能力快速植入到产品业务中。

自建并开源贴合真实业务场景的评测基准

此外，研究团队基于手机、IoT、汽车等行业头部公司的真实合作案例，建立了高度贴合业务场景的评测基准。

当前的主流基准测试，大部分聚焦于生产力类应用（如邮件与文档处理）。

然而在日常真实场景中，用户高频依赖的却是生活服务类应用，如外卖、打车、社交、支付等，而这部分场景不仅覆盖面更广，也更能体现当下GUI Agent 的实用价值。

为此研究者提出 AndroidDaily，一个面向真实世界、动态演进的多维基准体系。

它聚焦在现代生活六大核心维度：饮食、出行、购物、居住、信息消费、娱乐，并优先选择在这些类别中具有代表性（高频使用、应用商店日活排名靠前）的主流应用进行测试，高度还原真实任务执行流程（包括询问用户新万博体育：信息补充输入、高危操作请求用户接管）。

评测结果显示，GELab-Zero-4B-preview在AndroidDaily测试中准确率达到73.4% ，在移动端复杂任务中表现优秀。

为了平衡评估的全面性和执行效率，AndroidDaily采用了静态评测和端到端评测双轨评估体系。

静态评测考察模型的grounding（界面理解、元素识别）和action规划能力，用于检验其在推理与执行一致性等基础层面的表现。

端到端测试重点衡量GUI Agent在真实环境中处理复杂任务时的执行效果与稳定性。

其中，静态测试包含3146个actions，提供任务描述和逐步的屏幕截图，要求Agent预测每一步的动作类型和动作值（如点击坐标、输入文本），主要评估数值准确率。

这种方法无需复杂的工程基础设施，可以快速、低成本地进行大规模模型迭代和测试。

而端到端测试包含235个任务，典型任务场景包括出行交通（打车、导航、公共交通等）、购物消费（电商购物、支付、订单管理等）、社交通讯（消息发送、社交互动等）、内容消费（新闻阅读、视频观看、内容收藏等）、本地服务（外卖、到店服务）等。

在完全功能化的测试环境（如真实设备或模拟器）中进行，Agent需要从头到尾自主执行任务，最终以整体任务成功率作为评价指标，能真实反映智能体在复杂环境中的综合能力。

团队表示，希望通过GELab-Zero的开源，进一步降低移动端Agent的开发门槛，让新万博体育：开发者能够快速构建和验证自己的想法。

未来，研究团队将始终坚持开放、可控、隐私优先的原则，持续优化模型性能、扩展跨平台支持、丰富生态工具链。

GitHub:https://github.com/stepfun-ai/gelab-zero抱抱脸:https://huggingface.co/stepfun-ai/GELab-Zero-4B-preview

??时事1：欧美特黄AAAAA在线看

??11月27日,突发！日本岐阜县7车连环相撞 致12人受伤,

　　一群孩子的脸当时就绿了，纵马狂奔，再也不敢得瑟了。

,爆cao美女网站。

??11月27日,上海签发粤港澳大湾区外首张赴港澳人才签注,

　　“狈村的崽子你除了会放冷箭还会什么，有种过来，我一巴掌削掉你的脑盖！”有人怒吼道。

,欧美熟女一区二区,国自 产 拍 在线,看打扑克网站。

??时事2：美女隐私大全

??11月27日,苏菲·玛索：中国电影为国际电影市场注入新活力,

　　他喂进了青鳞鹰的喙中，又帮它闭合。直到此刻，这头凶禽看向他时眸光才闪烁出一种柔和，就像是看待自己的孩子一般，太古魔禽的血脉后裔拥有极高的智慧。

,欧美裸体肥婆ABBVRHNWWWBB,狼友视频专区国产在线观看,午夜黄色www网站。

??11月27日,陈仓九龙山生态半程马拉松开跑 8千名跑者竞速醉美“天然氧吧”,

　　即将过去的一年，是公司实施五年战略规划的第一年，是继往开来、稳固基础、抢攻市场的关键一年。全体员工紧紧围绕“以市场为导向的产品、技术及服务领先”战略，艰苦创业，高歌猛进，铸就新的辉煌：～年，公司共生产各类产品近万台。共推出和改进电能表、终端产品及主站系统软件产品余种,。～年，公司实现销售收入突破亿,比～年的亿增加收入亿，增幅高达。完成外贸出口万美金。至此，公司连续4年年增长率超过40%，实现了跨越式发展。公司荣登美国福布斯中文版杂志～中国潜力100榜。～年，我们还会继续荣登～中国潜力100榜。公司销售市场继续扩大，已在全国21个省建立了驻外销售办事处，～年，市场竞争异常激烈，产品价格特别是电能表价格大幅下降，业内同行经营业绩普遍不佳，公司取得的这一成绩，来之不易，它凝结着我们公司全体员工的辛劳和汗水。我们向工作战斗在销售、产品推广、项目工程、市场服务第一线的同仁们致敬，我们向工作战斗在车间生产第一线的同仁们致敬，我们向技术中心、销售中心、产品技术部、工业设计部、生产制造部、品保部、检测中心、企业管理部、采购部、财务部、办公室、人力资源部、车队等所有从事技术、管理、行政的同仁们致敬。在即将过去的一年里，我们业已取得的这些成绩，必将振奋人心，鼓舞斗志，为公司新的一年的发展奠定坚实基础。

,美女脱衣九一,武藤兰特一级婬片A片,黄色视频在线观看国产。

??时事3：久久97超碰国产精品窝窝

??11月27日,法国豫园灯会正式拉开中法建交60周年庆祝活动序幕,

　　但是校园安全问题涉及面非常广，仅靠学校领导和老师的努力是不够的，它需要我们全校同学共同努力才能够实现。

,亚洲 第十页,中国十八九日逼,色高清无码视频。

??11月27日,英国首相苏纳克加强与企业界联系,

　　产业发展水平决定生产要素聚集程度，决定城镇人口规模。没有产业的城镇是一个空壳，不会有持续发展能力。因此，城镇化并不等同于城市建设，关键要发展产业，形成产业支撑。

,交换国产精品视频一区,国产男男无套gay片a入口,国产精品黄黄久久久免费看视频。

??时事4：综合色一色综合久

??11月27日,中方：始终按照联合国人权理事会规则程序做好参加国别人权审议工作,

　　在镇子入口处，有一块石碑，上面刻写着三个大字：小孤山。

,偷拍农村AV,欧美人性交大先视频,白白色.com。

??11月27日,聚焦穿越周期 2024光伏行业年度大会在四川宜宾开幕,

　　“咦，这几口鼎很古，多半经历过漫长的岁月，有很长的年头了。”紫山寿来自王侯领地，身为一代王侯的族叔，自然见识广博。

,壮熊多毛裸体Gay自慰软件,91精品 一区二区,亚洲激情乱伦小说 b.xskya.com。