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

《日韩三级片中文字幕》，《Q8X2R7L1T4J5M9B6W3》

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

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

阶跃开源4B Agent模子，跑通所有安卓装备，手搓党一键安排