| Eyes |
看屏幕的模型。给它截图和一段描述，它返回该点的位置。用于没有辅助功能树的应用。 |
| Brain |
做决定的模型。回答关于一步操作的带类型选择题，每个选项都有概率。 |
| Hands |
macOS 执行层。通过辅助功能读取窗口，把每一步变成给 Brain 的问题，执行动作并核对结果。 |
| Bench |
真实桌面上的评测任务，评分程序检查文件和应用的最终状态。题库版本写作 v25 等。 |
| System One |
我们对这种决策方式的叫法：一次计算、给出概率的快速选择，而不是用文字一步步推理。 |
/v1/systemone |
Brain 提供的 HTTP 请求格式：一个状态、若干带类型的问题，回答附带概率。 |
| choice / score / noul |
三种题型：从选项里选一个；在量表上选一档；是或否。 |
| 路由（Router） |
0.8B 先答；把握低于门槛、或这一步错了代价大，就交给 4B 回答。 |
| 门槛（Threshold） |
路由把一步交给 4B 的把握下限。发布版是 0.96，写在 0.8B 的 deskmind.json 里（router_threshold）。 |
| 升级（Escalation） |
由 4B 而不是 0.8B 回答的步骤。当前发布版约 70% 的步骤会升级。 |
| ASK（问用户） |
目标匹配到多条记录时，执行层会加上这个选项；选中它就是先问你，而不是猜。 |
| DONE / 完成检查 |
DONE 是模型宣布任务完成。完成检查让执行层在接受之前先核对最终状态。 |
| 误报完成 |
任务没做完，模型却说了 DONE。发布版在 39 次真机运行里一次都没有。 |
| 版本号（G14、G18b……） |
Brain 的训练轮次。G18b 是当前发布版；Hugging Face 上它的权重标签是 g18b-q8（8 位）。 |
| q8 / 4 位 |
权重量化。Brain 发布的是 8 位；App 里的 Eyes 用 4 位。 |
| MLX |
Apple 为 Apple 芯片做的机器学习框架，DeskMind 的模型都在它上面运行。 |
| Oracle（标准答案脚本） |
知道沙箱任务正确答案的脚本运行，用来给训练数据打标签，运行时从不使用。 |
| 留出集（Held-out） |
不参与训练、只用来评测的任务或决策。 |
| 离线关卡 |
上真机测试之前，把所有探针和留出集拿新旧两版重放一遍；任何一项比上一版差，就不发布。 |
| JevBench |
第三方的带类型决策评测。我们报告 231 道公开题的成绩，并已申请密封评测；DeskMind 与其维护方没有关联。 |
| ScreenSpot-Pro |
在高分辨率专业软件里定位界面元素的公开评测，用来测 Eyes。 |
