猫眼电影记者 欧麦香 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：bti体育外围投注

  12月23日,2025首届博鳌金融强国大会开幕 共商金融赋能实体经济新路径,午后，液冷服务器概念持续活跃，算力芯片概念震荡回升。截至收盘，英维克涨停，股价创历史新高，报103.84元/股，总市值为1014.1亿元。奕东电子、中光防雷、同飞股份“20CM”涨停。,白菜网址大全。

  12月23日,上海打通智能网联汽车跨区和跨省通行,3月4日中午，十四届全国人大一次会议在人民大会堂新闻发布厅举行新闻发布会，由大会发言人就大会议程和人大工作相关问题回答中外记者提问。,亚虎娱乐电子官方网站,beplay官方体育,十博体育在线平台。

  时事2：168体育手机版登录

  12月23日,中国光热发电总装机规模力争到2030年达1500万千瓦左右,宋碧莲在分享中提到了全新的大模型——决策AI大模型。其核心应用于商业领域，尤其能助力金融企业快速实现降本增效，真正释放数据的经济价值。“我们也将这样的技术定义为真正的新质生产力。”,亚洲博狗官网,凯发娱乐,AG真人第一品牌游戏。

  12月23日,打造“生命驿站” 鄱阳湖白鹤救助站在江西永修揭牌,复宏汉霖成立于2010年2月，并于2019年9月在香港联交所主板挂牌上市。复宏汉霖主要从事单克隆抗体（mAb）药物的研发、生产、销售及提供相关技术服务（人类干细胞、基因诊断与治疗技术的开发和应用除外）及转让自有技术及提供相关技术咨询服务。2023年，复宏汉霖收入近54亿元，首次实现全年盈利，净利润5.46亿元。截至5月22日停牌，复宏汉霖已在港股上市近5年，市值约102亿港元。,188足球比分,mg真人充值网站游戏,188手机体育客户端官方下载。

  时事3：信誉国际真人视讯

  12月23日,江山如画｜科技赋能低空业态 气象预警筑牢飞行安全,3、2026年1月资金面核心围绕“信贷、政府债缴款、税收、春节取现”展开，扰动因素更强，而且1月的资金面状态，最能体现央行态度变化，从12月央行呵护资金面表述、债市利率高位震荡、央行配合财政诉求等角度出发，我们认为央行操作会更加积极，可能会加大买入国债力度、同时降准予以配合，降息也有一定可能性，因此资金利率波动和资金分层现象均小于季节性。,泰好博,99银河新网站,欧宝ob官网app。

  12月23日,抑菌消炎、降低乳腺癌风险…… 经常吃蒜益处多多,半年不到，便获得了来自资本市场及产业界的积极反馈。9 月，来自全球上市发售的吉利 AI 科技大六座旗舰 SUV 银河 M9 也搭载了 MiniCPM 多模态模型，双方共同打造全新的人车交互体验，成为面壁在汽车智能座舱领域的又一代表作。今年 4 月，面壁携手长安马自达、梧桐科技共同打造的首款端侧模型量产车型——长安马自达战略级新能源车型 MAZDA EZ-60 已上市。,平博pinnacle体育平台,万人炸金花安卓版,AG永乐国际官网。

  时事4：前几年世界杯赌球网站

  12月23日,沈阳“九·一八”历史博物馆公祭悼念南京大屠杀死难者,科尔茹姆巴耶夫认为，本次峰会的召开将推动中哈共建“一带一路”。在 “一带一路 ”框架内，应该进一步发展哈萨克斯坦的过境潜力，改善铁路货运基础设施，大力发展跨境贸易。,在哪买球世界杯,凯时体育,世界杯买球注册。

  12月23日,壹视界·我们的“十五五” | 一份规划蓝图，如何点亮更美好的生活？,空间中一个物体接近另一个物体并与之建立物理联系的能力有许多相对无害的军事和商业和民用上的应用应用。在轨检查、加油和服务都是美国军方和美国国家航空航天局（NASA）以及其他许多国家感兴趣的能力，这些能力可以帮助确保各种天基服务在和平时期和未来高端冲突期间不间断地运行。,凯发k8客户端,亿博体育手机版登陆,杏悦平台登录。