微软通过 Hugging Face 平台发布了一款全新的 GUI 智能体模型——GELab-Zero-4B-preview-Sico-Evolution。这是一个仅有 4B 参数的图像文本到文本模型，却在实际任务中展现出惊人的性能飞跃。

该模型是开源平台 Sico 的一部分，该平台旨在构建和进化“数字工作者”，让 AI 智能体与人类操作员在实际工作中共同进化。此次发布的模型是 Sico 平台的首个公开 GUI 智能体，基于开源的 GELab-Zero-4B-preview 基础模型，采用 LoRA 技术进行微调，训练数据来自 微软 Edge 浏览器和 Copilot 的 UI 操作轨迹。

最引人注目的是其性能提升幅度。基础模型的任务成功率仅为 39.8%，而经过 Sico 进化管线优化后，成功率飙升至 82.9%，绝对增幅高达 43.1 个百分点。这一结果意味着该模型在执行 GUI 自动化任务时，可靠性得到了质的提升。

在与其他模型的对比中，这款 4B 小模型的表现同样令人侧目。它超越了多个闭源顶尖模型，包括 GPT-5.4（79.7%）、Claude-Opus-4.6（81.3%）和 Claude-Opus-4.7（82.1%）。在开源阵营中，它更是大幅领先 kimi-k2.6（62.6%）和 UI-Venus-1.5-30B（61.0%）等竞争对手。值得注意的是，UI-Venus-1.5 的参数规模达到 30B，是 GELab-Zero-4B-preview-Sico-Evolution 的 7.5 倍，但成功率却低了超过 20 个百分点。

这一成果的核心在于微软提出的通用 GUI 模型进化管线。该管线采用迭代机制，能够持续提升智能体在真实任务中的成功率，并且可以迁移到任何 GUI 应用程序中。这意味着开发者可以利用这一流程，针对特定的软件界面或工作流，不断优化智能体的表现，而无需从头训练大模型。

从产业角度看，这款模型的发布对 AI 应用层具有多重意义。首先，它证明了小参数模型通过针对性微调和进化优化，可以在特定垂直任务上达到甚至超越大模型的表现，这为端侧部署和降低推理成本提供了可行路径。其次，GUI 智能体是连接 AI 能力与真实软件操作的关键桥梁，在自动化办公、软件测试、辅助操作等领域具有广阔的应用前景。微软选择将模型以 Apache-2.0 许可证开源，也有助于推动开发者社区在这一方向的探索和落地。

该模型基于 Qwen3-VL 架构，支持英文和中文，标签涵盖 GUI 智能体、移动智能体、视觉语言等领域。随着 Sico 平台后续更多进化模型的发布，这一技术路线能否在更复杂的多步任务和跨应用场景中保持优势，将是业界关注的焦点。