橙子AI科技 Logo 橙子AI科技 需求咨询
菜单
模型

GELab-Zero-4B-preview-Sico-Evolution

microsoft/GELab-Zero-4B-preview-Sico-Evolution

查看上游原文 ↗
上游访问：需要申请 本站服务：可咨询 内容检查：AI 辅助整理并检查 许可证：apache-2.0 上游版本：c92fa0701ee0

中文简介

microsoft/GELab-Zero-4B-preview-Sico-Evolution 是 microsoft 在 Hugging Face 发布的模型仓库，当前卡片主要关联图文理解与多模态生成、文本生成与推理。本站固定记录上游版本 c92fa0701ee0，同步到 16 个文件，文件元数据合计 8.28 GB；访问状态为“需要申请”，许可证字段为“apache-2.0”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 microsoft/GELab-Zero-4B-preview-Sico-Evolution 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
microsoft/GELab-Zero-4B-preview-Sico-Evolution 是 microsoft 在 Hugging Face 发布的模型仓库，当前卡片主要关联图文理解与多模态生成、文本生成与推理。本站固定记录上游版本 c92fa0701ee0，同步到 16 个文件，文件元数据合计 8.28 GB；访问状态为“需要申请”，许可证字段为“apache-2.0”。

【适用方向】
适合评估图文理解、视觉问答、文档或场景解析等多模态任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本：c92fa0701ee0。 任务标签：图文理解与多模态生成、文本生成与推理。 语言字段：en, zh。 架构：Qwen3VLForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 4.44 B。 库标记：transformers。 模型类型字段：qwen3_vl。 上游标注的基础模型：GELab-Zero-4B-preview。 上游页面记录的最近更新时间：2026-07-15。

【文件信息】
上游 API 返回 16 个文件，文件元数据合计 8.28 GB。 已保存文件清单中的主要扩展名：.json 9 个、.safetensors 2 个、.jinja 1 个、.md 1 个、.png 1 个、.txt 1 个。 当前较大的文件包括：model-00001-of-00002.safetensors（4.65 GB）；model-00002-of-00002.safetensors（3.62 GB）；tokenizer.json（10.89 MB）。

【运行或处理环境】
仓库文件元数据合计 8.28 GB。 按每参数 2 字节只计算 BF16 权重，理论下限约 8.27 GB；这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“apache-2.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。 该仓库需要由用户本人按上游要求申请访问，是否批准及何时批准由资源权利方决定。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

🔧 This model is part of Sico — an open-source platform for building and evolving Digital Workers, where AI agents and their human operators co-evolve through real work. ⭐ Star the Sico repository to follow new evolved models and our model evolution pipeline — this GUI agent is the first public release, with more on the way. 📄 Backed by our survey on agentic evolution and co-evolving human–AI systems. GELab-Zero-4B-preview-Sico-Evolution A 4B GUI agent fine-tuned (LoRA) from the open-source GELab-Zero-4B-preview base model on Microsoft Edge and Copilot UI trajectories. It is built with our general-purpose GUI model evolution pipeline — an iterative mechanism that keeps lifting an agent's real task success rate round after round, and transfers to any GUI app. Base model address: https://huggingface.co/stepfun-ai/GELab-Zero-4B-preview Highlights From 39.8% to 82.9%: Sico-Evolution achieves a dominant 82.9% Task Success Rate, a massive +43.1% absolute surge over the 39.8% base-model baseline. Outperforms Closed-Source SOTAs: It edges out top proprietary giants like gpt-5.4 (79.7%), Claude-Opus-4.6 (81.3%), and claude-opus-4.7 (82.1%). Vastly Exceeds Open-Source Models: It crushes leading competitors including kimi-k2.6 (62.6%) and UI-Venus-1.5-30B (61.0%). Results

公开页仅展示原文摘录；完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合评估图文理解、视觉问答、文档或场景解析等多模态任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本：c92fa0701ee0。 任务标签：图文理解与多模态生成、文本生成与推理。 语言字段：en, zh。 架构：Qwen3VLForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 4.44 B。 库标记：transformers。 模型类型字段：qwen3_vl。 上游标注的基础模型：GELab-Zero-4B-preview。 上游页面记录的最近更新时间：2026-07-15。

文件说明

上游 API 返回 16 个文件，文件元数据合计 8.28 GB。 已保存文件清单中的主要扩展名：.json 9 个、.safetensors 2 个、.jinja 1 个、.md 1 个、.png 1 个、.txt 1 个。 当前较大的文件包括：model-00001-of-00002.safetensors（4.65 GB）；model-00002-of-00002.safetensors（3.62 GB）；tokenizer.json（10.89 MB）。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

  • .gitattributes1.59 KB
  • added_tokens.json707 B
  • chat_template.jinja5.17 KB
  • config.json1.64 KB
  • merges.txt1.59 MB
  • model-00001-of-00002.safetensors4.65 GB
  • model-00002-of-00002.safetensors3.62 GB
  • model.safetensors.index.json63.22 KB
  • preprocessor_config.json390 B
  • README.md1.84 KB
  • special_tokens_map.json613 B
  • tokenizer.json10.89 MB

硬件建议

仓库文件元数据合计 8.28 GB。 按每参数 2 字节只计算 BF16 权重，理论下限约 8.27 GB；这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

注意事项

许可证显示为“apache-2.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。 该仓库需要由用户本人按上游要求申请访问，是否批准及何时批准由资源权利方决定。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。