猫眼电影记者 王金雪 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：yabo怎么开户

  12月24日,“炖锅+奶茶+桃酥” 广德“三件套”如何引爆小城烟火气？,为了加速构建人工智能网络，Meta、亚马逊、甲骨文等超大规模云计算公司正在更多地从业主手中租赁数据中心空间，而非单纯依靠自建。据McKinsey估计，今年美国超大规模数据中心容量中有40%是通过租赁获得的，这一比例高于2023年的35%。,尊龙d88。

  12月24日,1—11月中国销售彩票同比增长1.7%,近段时间，社交媒体账号“赵菊英家庭教育”“家访中国”“赵菊英聊教育”发布的几段视频引发网友热议，视频中赵菊英让男孩亲手砸碎自己心爱的高达模型、在男孩的房间里安装监控、让女孩将自己的玩具漫画书都扔进垃圾箱……系列行为被网友吐槽为“霸凌式教育”，还有网友称赵菊英并非视频中宣传的退休老师，而是“被辞退”。,韦德体育登陆,凯发娱乐手机版,去哪里买lol外围。

  时事2：188网球比分直播吧

  12月24日,福建立法促两岸标准共通 为台胞台企享受同等待遇提供保障,公权私用破了底线，违规决策踩了红线，收受贿赂碰了高压线，靳东亲清不分，甘于被“围猎”，把手中的权力变成了谋取私利的工具。贪欲之门打开了，贪腐的步子迈出了，在给地方政治生态、营商环境造成严重影响的同时，靳东自己也在追逐“钱途”中泥泞不堪。,博天堂真人百家乐,天博在线官网首页,国际彩票平台包赚。

  12月24日,纪念福建船政创办159周年图片展福州开展,汪绪金有三个女儿，均已外嫁。2019年，汪绪金摔断了腿，也做了手术，几乎完全丧失了劳动能力。大女儿汪文燕回忆，父母身体不好，无人照顾，加上父母没有兄弟，村组长建议借助精准扶贫项目为汪绪金夫妇申请低保，“资料提交上去后，县里的部门又说，我名下有营业执照。意思是我家情况还不错，不给办。”汪文燕说。,乐动体育网页版登录,大赢家体育首页,age官方app。

  时事3：天博体育app安卓下载

  12月24日,中国高校学子跨越千里民勤筑绿障,韩国国务调整室曾于4月16日发布政府部门联合新闻稿，重申日本福岛核污染水排海计划需从科学、客观层面确保安全性，并符合国际标准的既有立场。,和记官方网址,博亚娱乐官网,百乐门官方网站。

  12月24日,成都：非洲青年走进“印象中的中国” 亲身体验发展脉动,美国保守派媒体“每日连线”（Daily Wire）进一步解释称，邓肯的意思是，这群学生作为未来的律师或司法行业从业人员，若不同意他的观点，应该就此提出尖锐质问，而不是粗鄙无礼的尖叫辱骂。,华体会官网买球,澳门赌盘网,世界杯指定投注渠道。

  时事4：必威登陆

  12月24日,此行间·“让人民群众在这里有获得感，有幸福感”,周觉担任过外交部部长助理、国务院新闻办公室副主任等职，曾是中国驻土耳其大使、驻法国大使。,伟德体育平台开户网址,博狗在哪注册,金沙娱城全部。

  12月24日,长沙“十四五”预计累计城镇新增就业78.27万人,乘着这股热潮，美国投资顾问公司锐联财智于今年 9 月助力推出了一只纳斯达克上市基金。该基金为投资者提供了布局 “中国版谷歌、元宇宙平台公司、特斯拉、苹果以及开放人工智能公司” 相关标的的渠道。,游戏厅捕鱼有龙有凤凰,欧洲杯比赛时间,捷报比分即时。