猫眼电影记者 乌代浦 报道首次登录送91元红包

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（包括询问用户更多信息补充输入、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，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：天博官方下载

  12月26日,意大利前官员：美国制裁无助于解决问题，更无法撼动中国发展模式丨世界观,公开简历显示，韩勇，男，汉族，1956年10月生，吉林九台人，1976年4月入党，1974年6月参加工作，中央党校研究生院国际政治专业毕业，中央党校研究生学历。,网上玩真人斗地主。

  12月26日,汕汕高铁汕头至汕头南段开始按图行车试验,据IPO早知道消息，面壁智能日前完成数亿元融资。本次融资由京国瑞、国科投资、中金保时捷基金、米聚资本与和基投资共同参与，募集资金将主要用于加大端侧高效大模型的研发投入，加速端侧 AI 的商业化进程。,真实炸金花赢钱的软件,九州注册,千炮捕鱼技能怎么获得。

  时事2：玩百人牛牛赚钱

  12月26日,“冬墨凝香——中国近现代艺术大师精品展”在厦门开展,近年来，渤海海峡跨海通道相继被纳入了国务院发布的《环渤海地区合作发展纲要》《支持东北振兴若干重大政策举措的意见》《山东半岛蓝色经济区发展规划》《全国海洋功能区划（2011年~2020年）》以及山东省、辽宁省的“十二五”“十三五”“十四五”规划等。在梁启东看来，应建议将此列入国家“十五五”规划，加快论证和建设进程。,澳门唐朝赌场,宝博体育app下载,奔驰宝马电玩城下载安卓。

  12月26日,2026年日历书陆续上市 花样百出但小心盗版,他说，作为涉外领域的基础性法律，有必要对反制和限制措施作出原则性的规定：中国的核心利益不容损害，主权和领土完整不容侵犯，对于损害中国主权安全发展利益的行为，侵犯中国公民合法权益的行为，我们在法律中作出相关规定，予以坚决反制，是正当和必要的。,9U皇冠下载,国际 真人视讯,线上真钱技巧。

  时事3：天牌棋牌

  12月26日,交通运输部：今年1至11月接报公路水路行业安全生产事故135起，同比下降25.8%,信任的崩塌往往只在一瞬，修复之路却道阻且长。对于坐拥4亿日活用户的快手而言，AI业务带来的增长红利固然重要，但用户对内容安全的基本诉求同样是支撑企业长久发展的关键所在。网络安全的本质是人与人的对抗，黑灰产用技术挑战平台时，平台必须以“国家队”的姿态应战。信任的重建，也许就从一次次全链防御中开始。,OD苹果版,体育365官网,立博足球平台。

  12月26日,感染幽门螺杆菌，如何足疗程正确用药,早在4月11日，中科曙光曾公告称，李国杰配偶张蒂华于2023年3月3日至2024年3月14日期间通过集中竞价交易方式买卖公司股票，上述交易构成短线交易，累计成交金额合计1.544亿元；扣除交易佣金、印花税等税费后累计收益58.98万元，所获收益已全额上交至公司。,方言国际音标 真人发音,杏耀注册登入,dafa游戏。

  时事4：贝博下载地址

  12月26日,哥伦比亚总统表示：哥海域发现的遗体或与海上打击行动有关,大家中午好，我们是一家科技公司，我今天发言的主题是“融资租赁业务系统，赋能租赁业务转型发展”。其实今天上午几位嘉宾也说过了，所有的想法、所有落地的方案，事实上现在都需要科技赋能。所以我们现在就做这么一件事情。我今天从三个方面和大家做一个分享。,pg电子游戏体验kok软件,世界杯买球官网入口,皇冠游戏官网。

  12月26日,GDP降幅扩大突显日本经济深层压力,本文由公众号IPO早知道（ID：ipozaozhidao）原创撰写，如需转载请联系C叔↓↓↓,宝马会体育下载,皇冠网页登陆,电玩城正网。