发现一个比AutoGLM更小的GUI模型，仅4B参数，附实测和部署教程

发现一个比AutoGLM更小的GUI模型，仅4B参数，附实测和部署教程 发现一个比AutoGLM更小的GUI模型，仅4B参数，附实测和部署教程 Modified January 22 No access 0bc3xuab4aaadyagnbcbzzuvbpodd26qahqa.f10002 00:00 No access 0bc3saab4aaalaagnukbz5uvbegdd2iaahqa.f10002 00:00 No access 0bc3yaalsaaaxqamcisb6ruvbqgdxhaaboia.f10002 00:00 • 4B很强，很nb • 这个模型不比9B的autoglm差，甚至一些复杂任务处理的更好 • 模型太小，一些过于复杂的任务会陷入循环 • 整体执行的 步骤会普遍偏多 • 资源消耗更少，但速度上来看，还是没法部署到端侧 然后跟AutoGLM一样，GELab Zero的Github写的也是十分详细，基本上跟走从头走一边是没有啥问题的。 昨天 AutoGLM部署流程 中的，vllm模型部署、ADB安装部分是一样的，直接可以服用。 因为这个模型我是在本地台式机部署的，就用ollama给大家部署一下。 ollama部署， 先去ollama官网下载对应安装包，我是windows电脑，所以直接下载windows版本 https://ollama.com/download 下载完成后，双击OllamaSetup.exe，点击Install后，开始安装， PS：Ollama默认安装在C盘，且不支持自定义安装路径。 安装后，配置启动程序到Path环境变量， C:\Users\admin\AppData\Local\Programs\Ollama 按键windows+r打开运行，输入sysdm.cpl，回车；高级 环境变量 系统变量 Path 然后命令行，查看ollama版本 Code block Plain Text ollama version 下载模型，依旧modelscope，真的很快 Code block Plain Text modelscope download model stepfun ai/GELab Zero 4B preview local dir ./GELab Zero 4B preview 然后进入到下载的GELab Zero 4B preview文件夹中，创建ollama文件 Code block Plain Text ollama create gelab zero 4b f Modelfile 当然这里，如果需要进行模型量化，这样模型占用资源会更小，但是也会有精度的损失。 Code block Plain Text int8量化 ollama create q q8 0 gelab zero 4b int4量化 ollama create q Q4 K M gelab zero 4b 启动ollama服务 Code block Plain Text ollama serve 通过postman请求 接下来就是PC端和手机端ADB的按照， 就看 AutoGLM真好玩，附保姆级教程 的这一部分吧，是一模一样的。 不过这个GELab Zero项目里，输入法不用选择“ADB Keyboard”。 然后把项目clone到你的本地，就可以启动你的服务了， Code block Plain Text python examples/run single task.py "打开微信，给老婆大人发helloword" 缺啥包装啥包就行，你也可以直接requirements文件先安装 Code block Plain Text pip install r requirements.txt 记得几个地方可以修改， • model config.yaml文件的api base可以修改，默认ollama的端口是11434，如果你改了，就改这部分的url • examples/run single task.py文件的local model config字典可以修改，这里是模型参数，比如我用的model name是gelab zero 4b，官方默认是gelab zero 4b preview 最一开始的webui是我一句话vibe出来的，不想看命令行，看页面的， 我vibe的代码， 后台私信发gelab zero获取。 最后， gelab zero 4b这个模型算是又打破了我的认知， 模型效果也是杠杠的，简单中等的任务执行的都很好， 复杂任务，有时候会陷入循环，这还是有待改进， 毕竟模型参数只有4B， 但是一些场景上，真不比9b的autoglm差，甚至执行的更好 所以对手机上部署模型， 搓豆包手机的信息越来越足了，哈哈哈 端侧，未来可期 PS：都看到这里， 来个 点赞 、 在看 、 关注 吧 。 您的支持是我坚持的最大动力！ AutoGLM部署流程 AutoGLM真好玩，附保姆级教程 No access 0bc3xuab4aaadyagnbcbzzuvbpodd26qahqa.f10002 00:00 No access 0bc3xuab4aaadyagnbcbzzuvbpodd26qahqa.f10002 00:00 No access 0bc3saab4aaalaagnukbz5uvbegdd2iaahqa.f10002 00:00 No access 0bc3saab4aaalaagnukbz5uvbegdd2iaahqa.f10002 00:00 No access 0bc3yaalsaaaxqamcisb6ruvbqgdxhaaboia.f10002 00:00 No access 0bc3yaalsaaaxqamcisb6ruvbqgdxhaaboia.f10002 00:00 • 4B很强，很nb • 这个模型不比9B的autoglm差，甚至一些复杂任务处理的更好 • 模型太小，一些过于复杂的任务会陷入循环 • 整体执行的 步骤会普遍偏多 • 资源消耗更少，但速度上来看，还是没法部署到端侧 然后跟AutoGLM一样，GELab Zero的Github写的也是十分详细，基本上跟走从头走一边是没有啥问题的。 昨天 AutoGLM部署流程 中的，vllm模型部署、ADB安装部分是一样的，直接可以服用。 AutoGLM部署流程 因为这个模型我是在本地台式机部署的，就用ollama给大家部署一下。 ollama部署， 先去ollama官网下载对应安装包，我是windows电脑，所以直接下载windows版本 https://ollama.com/download 下载完成后，双击OllamaSetup.exe，点击Install后，开始安装， PS：Ollama默认安装在C盘，且不支持自定义安装路径。 安装后，配置启动程序到Path环境变量， C:\Users\admin\AppData\Local\Programs\Ollama 按键windows+r打开运行，输入sysdm.cpl，回车；高级 环境变量 系统变量 Path 然后命令行，查看ollama版本 下载模型，依旧modelscope，真的很快 然后进入到下载的GELab Zero 4B preview文件夹中，创建ollama文件 当然这里，如果需要进行模型量化，这样模型占用资源会更小，但是也会有精度的损失。 启动ollama服务 通过postman请求 接下来就是PC端和手机端ADB的按照， 就看 AutoGLM真好玩，附保姆级教程 的这一部分吧，是一模一样的。 AutoGLM真好玩，附保姆级教程 不过这个GELab Zero项目里，输入法不用选择“ADB Keyboard”。 然后把项目clone到你的本地，就可以启动你的服务了， 缺啥包装啥包就行，你也可以直接requirements文件先安装 记得几个地方可以修改， • model config.yaml文件的api base可以修改，默认ollama的端口是11434，如果你改了，就改这部分的url • examples/run single task.py文件的local model config字典可以修改，这里是模型参数，比如我用的model name是gelab zero 4b，官方默认是gelab zero 4b preview 最一开始的webui是我一句话vibe出来的，不想看命令行，看页面的， 我vibe的代码， 后台私信发gelab zero获取。 最后， gelab zero 4b这个模型算是又打破了我的认知， 模型效果也是杠杠的，简单中等的任务执行的都很好， 复杂任务，有时候会陷入循环，这还是有待改进， 毕竟模型参数只有4B， 但是一些场景上，真不比9b的autoglm差，甚至执行的更好 所以对手机上部署模型， 搓豆包手机的信息越来越足了，哈哈哈 端侧，未来可期 PS：都看到这里， 来个 点赞 、 在看 、 关注 吧 。 您的支持是我坚持的最大动力！ 🔗 原文链接： https://mp.weixin.qq.com/s/k2Td gxT... https://mp.weixin.qq.com/s/k2Td gxT... 原创 刘聪NLP 刘聪NLP 刘聪NLP2025年12月16日 23:33 江苏 大家好，我是刘聪NLP。 昨天分享完 智谱的AutoGLM ，就有好友凌晨1点多给我发消息，说阶跃也有一个GUI的模型，而且 只有4B。 智谱的AutoGLM 我看了一下，是 GELab Zero 4B preview模型 ，这个模型我自己 台式机4070super 12G就能部署 。相较于AutoGLM来说，资源就少了很多。 同时， 还可以量化，进一步减少资源 ，但是部署到手机上，端侧推理的话，速度应该还是不行。 PS：对4B大小是不是很敏感，没错，是基于Qwen3 VL 4B Instruct增量训练的。 然后整个Agent控制手机的原理也跟AutoGLM原理一致，也是通过截图识别元素、ADB来控制。 直接上测试结果， 昨天AutoGLM没有成功的 蚂蚁森林的能量收集任务 ，经过7min的等待，GELab Zero 4B完成了。但是，应该还是因为模型太小，还有就是页面有个“1t”能量的干扰，中间重复了很多次，做了一些错误的决策，不够最后还是把能量球全部收集成功了， 中等任务：打开小红书，发一篇大字报内容，阶跃4B的GUI模型也这么强吗？而且比AutoGLM 9B小一半。 完全自动发布， 其实这个任务还是蛮简单的，并不复杂。 高阶任务：打开12306，帮我订一张本周六从苏州到南京的高铁票，时间是早上9点左右 可以看出，GELab Zero 4B每次执行的速度是很快的，但是相较于AutoGLM来说，执行的轮数会更多一些。 我整体测试下来，