更多动态
以前搞手机自动化要自己写 ADB 驱动、配环境，现在 GELab-Zero 直接开源了“模型+基建”整套流水线。 原理类似给手机装了个“AI 驾驶员”，但这回连车（基础设施）和路（环境配置）都给你铺好了，主打一个快速落地。 🔹 开箱即用的基建：不仅开源了 4B 模型，更解决了最耗时的多设备连接、ADB 权限管理和任务编排，支持 Python 3.12+ 一键部署。 🔹 小参数高性能：基于 Qwen2-VL 调优，4B 规模在消费级显卡就能流畅运行，配合 Ollama 或 vLLM，实测在 AndroidWorld 复杂任务成功率达 75.86%。 🔹 真实场景优先：相比通用大模型，它专门针对打车、外卖等高频生活 App 做了特训，数据完全本地处理（Local Inference），隐私零泄露。 🔗 GitHub：github.com/stepfun-ai/gelab-zero 自动背单词演示 👆
变成了“指点江山”，实测能将 90 分钟的枯燥修图压缩至 7 分钟，真正实现了从工具人到创意主导的转变。 1️⃣ 指哪改哪 (Mark & Edit) 抛弃复杂的蒙版与套索。按住 Cmd / Ctrl + 点击画面任意元素（如发丝、衣服），AI 瞬间锁定区域。直接输入自然语言（如“换复古旗袍”），系统自动计算透视与光影，完成像素级融合。 2️⃣ 多图重组 (Select & Remix) 素材不再是孤岛。你可以抓取 A 图的构图、B 图的材质、C 图的光效，像“拼乐高”一样拖拽组合。这解决了传统 AI 生图“抽卡”随机性过强、无法精确控制的痛点。 3️⃣ 交付即工程 (Layer Separation) 这是区别于玩具的关键：它不只吐出 JPG，而是生成可拆分的“类 PSD 工程文件”。文字、主体、背景自动分层，支持二次精修，直接打通了从创意到商用交付的最后一公里。 目前公测阶段无需付费，正式版预计明年 1 月上线，建议设计师和运营尽早跑通这个工作流。 🔗 官网：https://www.lovart.ai #AI工作流 #设计提效 #Lovart #生产力工具 #数字游民
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
