猫眼电影记者 莫斯塔 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：泛亚电竞网站地址

  12月26日,习言道｜中华民族伟大复兴的中国梦一定能够实现,中金公司研究表示，若市场利率进一步下行，2026年银行理财子公司或将不得不面对理财产品整体收益率降至2%以下的时代，预计部分理财产品需通过提升风险资产配置比重以增厚收益。,亚洲必赢怎么进不去了。

  12月26日,-39℃ “中国最冷小镇”呼中开启“速冻模式”,摩根大通预计，2026年黄金ETF的净新增持仓量约为250吨，金条与金币的年需求将再次超过1200吨。截至2025年9月底，投资者通过ETF、实物黄金及COMEX期货持有的黄金，已占全球股票、债券（不含央行储备）及另类资产管理规模（AUM）的约2.8%。摩根大通分析师认为，未来几年这一占比有望提升至4%–5%。,万博官方manbext手机网址,真实澳门梭哈游戏规则,亿博体育快速注册。

  时事2：九州体育app

  12月26日,残特奥会田径比赛收官 多名选手刷新全国纪录,欧委会同时列出其他合作企业名单，其中包括大部分中国企业，以及宝马、特斯拉和雷诺等在中国生产、出口欧洲的跨国企业。欧委会称，特斯拉提出了申请，可能会在最终阶段按照单独计算的关税征收。,bet9九州体育登录线路,金沙集团游戏登录,中彩娱乐。

  12月26日,江阴靖江长江隧道主体结构完工,从行业前线上退下来后，史美伦相信未来不会再面对太大压力，或会参与一些非牟利工作。她强调，并非一定要担任公职才可以服务香港。目前史美伦仍然担任蚂蚁集团独立董事。不过，由于上任不足一年，之前未有太多时间投入到当中，未来会慢慢熟习。,世界杯足球赛买球app,京葡奥,大发线路检测。

  时事3：电子真钱平台

  12月26日,香港商界推出多项便利及优惠措施 迎接“粤车南下”,46979名球迷把沈阳奥体中心打造成了红色海洋，在这个2001年十强赛出线的所谓福地城市，中国足球终究是没能等到一场属于自己的胜利，1比1的平局让国足的出局进入倒计时。,拼三张网页版平台,凯时k8国际,双人捕鱼游戏网页。

  12月26日,中共中央组织部下发通知要求在元旦春节期间开展走访慰问生活困难党员、老党员、老干部活动,夏传谦为今年5月新上任，其在加入高管团队之前担任该公司职工监事，于今年1月将监事职务交给现任职工监事许新华。,新濠天地手机下载,bet365官方网站下载,世界杯下注怎么玩。

  时事4：云顶娱乐手机app免费下载

  12月26日,黄河土右旗段出现流凌 监测预警立体防控,“一个中国原则得到国际社会普遍支持，是人心所向，大势所趋，不容否认，也不可阻挡。”汪文斌强调，任何打“台湾牌”，搞“以台制华”的图谋，必将遭到国际社会的坚决反对，注定以失败告终。,金泰棋牌,体育投注官网网址,威尼斯游戏手机登录。

  12月26日,美媒：一小型飞机在美国佛州紧急迫降时撞上汽车,首都经济贸易大学京津冀房地产研究院院长、北京市房地产法学会副会长兼秘书长赵秀池持相近态度。她告诉记者，从计量口径上取消公摊，会导致整套房的住房面积减少，而房屋总价不会发生变化，因此总价不会改变，以住房面积计量的单价会上涨。,电玩游戏大厅下载,真钱电子手游,体育综合平台登录入口。