阶跃开源4B Agent模子，跑通所有安卓装备，手搓党一键安排

GELab-Zero团队投稿量子位 | 公众号 QbitAI

首次将GUI Agent模子与完整配套基建同步开放，支持手搓党一键安排！

这就是阶跃星辰刚刚开源的GELab-Zero。

其中4B版本的GUI Agent模子在手机端、电脑端等多个GUI榜单上周全刷新同尺寸模子性能纪录，取得SOTA效果。

随着AI在手机等消耗终端的普及，Mobile Agent正从“能不可用”迈向“能否规�；涞亍�。

GUI Agent是执行能力最强的形态之一。它基于视觉明确即可适配险些所有App，无需厂商特殊刷新，接入本钱极低。

别的，阶跃还同步开源了基于真实营业场景的自建评测标准AndroidDaily，以期推动GUI领域模子评测向消耗级、规�；τ蒙�。

同尺寸性能 SOTA，端到端、轻量化、速率快

要知道，让GUI Agent在差别品牌与系统版本的装备上顺畅运行并不轻松。

移动生态的高度碎片化闪开发者需处置惩罚多装备ADB毗连、依赖装置、权限设置、推理效劳安排、使命编排与回放等繁琐流程，工程本钱高昂，精神难以聚焦在战略立异与体验设计上。

要推动移动端Agent真正规�；�，必需首先降低开发与使用门槛，闪开发者专注于创立价值，而非重复搭建底层设施。

基于此，阶跃开源了GELab-Zero。

它主要包括三部分：

一个能在外地运行的GUI Agent模子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营业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模子举行了周全评估。

这些基准测试涵盖了GUI明确、定位、交互等多个维度。

从测试效果可以看出，GELab-Zero-4B-preview在多项开源基准测试中逾越其他主流模子，拿下同尺寸SOTA。

值得一提的是，GELab-Zero-4B-preview的体现还逾越了参数目更大的GUI-Owl-32B等模子，性能更优，也更易安排。

来看一下研究团队给出的示例场景。

重大使命

场景1：在外卖平台同时采购跨品类、差别规格和数目的商品。

Prompt：去饿了么离我最近的盒马鲜生购置：朱颜草莓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，模子精准识别了物品信息，并顺畅地完成了多办法、重复性的购置操作。

场景2：在企业福利APP中领取餐券。

Prompt：翻开给到App，在我的，下滑寻找，员工权益-斗争食代，帮我领劵。

上述示例展示了GELab-Zero-4B-preview执行的能力和规模具有很强的泛化性，无论在国民级APP照旧小众产品平台，都可以顺遂完成使命。

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行动片播放。

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。

历程中，模子先翻开腾讯视频，识别并关闭了弹窗，搜索“成龙”后在影戏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，模子首先在内容平台搜索“北京周末带娃”，然后自主判断权衡标准后为用户推荐北京园博园“顽酷奇遇”，并为用户提炼出该所在的亮点——“有巨型装置卡通，亲子活动富厚”。

可以看到，GELab-Zero-4B-preview模子能够很好地执行重大使命和模糊指令，不但可以准确、流通地执行涉及到多办法、多主体、重复操作的使命，也能对“悦目”“适合玩的”“经典”等偏笼统和主观性的指令举行自主拆解，确定执行路径和标准。

GUI+基建=GUI Agent MCP，一键拉起安排

针对GUI智能体，研究职员构建了一整套完整的手艺架构系统，可以一键拉起获得类似开源GUI Agent MCP的体验。

详细能力如下：

轻量级外地推理支持4B模子在消耗级硬件上运行，兼顾低延迟与隐私。一键使命启动提供统一安排流水线，自动处置惩罚情形依赖和装备治理。多装备使命分发可以分发到多台手机并纪录交互轨迹，实现可视察、可复现。多种Agent模式涵盖ReAct闭环、多智能体协作以及准时使命等多种事情模式。

这些能力让GELab-Zero能够无邪应对真实场景的重大使命流，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、验证交互战略；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营业中。

自建并开源贴合真实营业场景的评测基准

别的，研究团队基于手机、IoT、汽车等行业头部公司的真实相助案例，建设了高度贴合营业场景的评测基准。

目今的主流基准测试，大部分聚焦于生产力类应用（如邮件与文档处置惩罚）。

然而在一样平常真实场景中，用户高频依赖的却是生涯效劳类应用，如外卖、打车、社交、支付等，而这部分场景不但笼罩面更广，也更能体现当下GUI Agent 的适用价值。

为此研究者提出 AndroidDaily，一个面向真实天下、动态演进的多维基准系统。

它聚焦在现代生涯六大焦点维度：饮食、出行、购物、栖身、信息消耗、娱乐，并优先选择在这些种别中具有代表性（高频使用、应用市肆日活排名靠前）的主流应用举行测试，高度还原真实使命执行流程（包括询问用户更多信息增补输入、高危操作请求用户接受）。

评测效果显示，GELab-Zero-4B-preview在AndroidDaily测试中准确率抵达73.4% ，在移动端重大使命中体现优异。

为了平衡评估的周全性和执行效率，AndroidDaily接纳了静态评测和端到端评测双轨评估系统。

静态评测考察模子的grounding（界面明确、元素识别）和action妄想能力，用于磨练其在推理与执行一致性等基础层面的体现。

端到端测试重点权衡GUI Agent在真真相形中处置惩罚重大使命时的执行效果与稳固性。

其中，静态测试包括3146个actions，提供使命形貌和逐步的屏幕截图，要求Agent展望每一步的行动类型和行动值（如点击坐标、输入文本），主要评估数值准确率。

这种要领无需重大的工程基础设施，可以快速、低成外地举行大规模模子迭代和测试。

而端到端测试包括235个使命，典范使命场景包括出行交通（打车、导航、公共交通等）、购物消耗（电商购物、支付、订单治理等）、社交通讯（新闻发送、社交互动等）、内容消耗（新闻阅读、视频寓目、内容珍藏等）、外地效劳（外卖、到店效劳）等。

在完全功效化的测试情形（如真实装备或模拟器）中举行，Agent需要重新到尾自主执行使命，最终以整体使命乐成率作为评价指标，能真实反应智能体在重大情形中的综合能力。

团队体现，希望通过GELab-Zero的开源，进一步降低移动端Agent的开发门槛，让更多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，一连优化模子性能、扩展跨平台支持、富厚生态工具链。

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

《99精品爱视频》，《Q8X2R7L1T4J5M9B6W3》

女人av插入在线网站

“av72com”

少萝紫微

……

12月04日

“精品国偷自产在线视频500”黏土动画版龙年春晚宣传片

↓↓↓

如何评价迷宫饭第二话，是深蓝G318上市发布会

12月04日，宣绩高铁全线铺轨，日本XXww视频免费，国产专区欧美，星穹淫萝妓院(全)，亚洲黄页

12月04日，第五届西部数字经济博览会在西安开幕，亚洲欧美中文在线导航，穆斯林操逼，毛片网站免费观看，动漫打屁股秘免费网站

12月04日，买个“旧历”过新年？2024年日历为何“撞脸”1996年李保东：博鳌亚洲论坛将在亚洲和欧洲其他国家和地区举办多场地区合作会议，色多多美女，成年人♀人观看毛片的三级片，歐美操B，掰开伸进去91网站知更鸟

12月04日，事关网络直播规范江苏发布实施省级地方标准，欧美黄色成视频免费观看网址网站，在线观看日本，亚洲综合第页，18在线观看黄片

12月04日，发挥优势机遇无限——粤港澳大湾区发展一线观察（中），人人干人人操免费看，男男gaYGAYS 男同控精，国产高潮白浆视频在线观看，羞羞视频黄色

12月04日，山西·太谷第二十一届科技节启幕签约15个项目，毛片大全免费看，992tv永久在线视频，久久久久精品九九九，日韩a级无码最新黄色视频

12月04日，俄罗斯青少年同江研学：学做鱼皮画体验“鱼王角力”，费看黄色视频，成年女人A级毛片免费视频15，把坤坤戳进里免费在线观看，www.69.com在线观看

12月04日，海南“追箭游”火热航天旅游产品加速“上新”，国产一级AAAAAA精品免费高清，扒开美女疯狂揉桃花园漫画，熟女乱倫视频，色欲综合视频一区二区

监制：邓金木

策划：赖晗

主创：唐征宇林箴贺陈佛烘颜亦阳陈林韵

编辑：王家菁、段圣祺

k1体育麻将胡了

下载APP

所有

阶跃开源4B Agent模子，跑通所有安卓装备，手搓党一键安排

热门视频