新文章:三周、二十轮训练、600 美元

小到能在你的 Mac 上跑,
聪明到知道该问你。

DeskMind 会看屏幕、想下一步、动手操作,靠的是跑在你 Mac 上的小模型。任务有两种理解时,它先问你一句,不瞎猜。

免费开源 · macOS 15 及以上 · Apple Silicon · 首次运行下载约 5.3 GB 模型 · 建议 12 GB 以上内存 · 试用 Brain API
真实录屏,发布版模型。两笔订单都叫 Lisa Wong,所以它先问。

和其他 Computer Use Agent 有什么不同

01

小模型,就在你的 Mac 上

每一步先由 0.8B 判断,没把握的交给 4B 重新判断。两个模型都在本机运行,不走云端,也不按次付费。

决策中位数 2.85 秒 · 0.8B 有把握时 0.5 秒
02

System One:选择,不是猜

每一步是一道选择题,模型给每个选项打分而不是写文字,所以每个选项都有概率。没把握就交给 4B 或先问你,任何 agent 都能通过 /v1/systemone 接入。

不生成文字 · 39 次真机运行零误报完成
03

从眼到手,全部开源

Eyes、Brain、Hands 和 Mac App 全部开源,连同给它们打分的 Bench。每个成绩都附样本量,可以自己复现。

8 个公开仓库 · 代码 Apache-2.0

三段真实运行

用发布版模型录制。视频里只缩短了等待,其他一律不剪。

真实运行 · 发布版模型

两笔订单都叫 Lisa Wong,它先问你要哪一笔,再写入

「在 records.txt 里找到 Lisa Wong 的订单,按 Date、Customer、Order、Amount 追加进 ledger.csv 并保存。」

猜错就会写错一行;先问一句就能避免。

真实运行 · 发布版模型

在网易云音乐里,找到歌曲的现场版并播放

「打开网易云音乐,搜索 Billie Eilish 的 BIRDS OF A FEATHER,播放现场版。」

没有接口,只能看屏幕:在一堆同名歌曲里认出现场版。

真实运行 · 发布版模型

把网页上的零件表抄进 CSV 文件,保存并关闭

「用 TextEdit 打开附带文件夹里的 parts.csv,把表格的四行按数量从高到低追加进去,然后保存并关闭。」

跨两个应用:在 Safari 里读,从文件夹打开文件,写入、保存、关闭。

成绩,附样本量

在一台 Mac(M4 Pro,48 GB)上,用发布版 0.8B → 4B 路由测得。样本不大,做不好的地方也写在下面。

39/39
次真机运行全部通过,严格评分(bench v25,13 个任务 × 3 次)
0
次没做完却说完成(同样 39 次运行)
0.835
JevBench 公开题,4B 模型(231 题;密封题成绩待出)
还做不好的
  • 抄写长表格(超过约四行)或按条件筛选的行
  • 根据收据图片填写报销表单
  • 交给 4B 的步骤要几秒钟
我们怎么测

评分程序检查文件和应用的最终状态。每次尝试都计入,环境故障单独列出,评测本身开源。

全部成绩和方法 →这些数字怎么来的、有哪些前提 →

大家最先问的问题

会有数据离开我的 Mac 吗?

App 自己只在下载模型时联网。之后每一步决策都在你的 Mac 上完成,模型服务只监听 127.0.0.1。它替你操作的应用(比如 Safari)照常联网。

哪些 Mac 能用?

Apple Silicon 芯片、macOS 15 及以上。决策模型运行时约占 7 GB 内存,内存小于 12 GB 的 Mac 会收到提示。

要下载多少东西?

第一次运行时下载约 5.3 GB 模型,逐个文件校验。Hugging Face 慢的话,App 会自动改从 ModelScope 镜像下载。

它会不会做我不想做的事?

它边做边显示每一步;发送、删除、付款、发布前会先问你;按 ⌘. 停止,碰一下鼠标或键盘就暂停。它仍然会出错,建议先从你能检查结果的任务开始。

免费吗?

免费。App、代码和模型都免费。代码采用 Apache-2.0,模型权重遵循各模型卡上的条款。

全部常见问题 →
小方:任务完成

得心,应手。

See. Think. Act. 下载 App,或者从模型和代码开始。

macOS 15 及以上 · Apple Silicon · App 约 380 MB + 模型 5.3 GB · 已签名并公证 · 阅读快速上手 · 更新日志