摘要
Xenon 開源 Hunmin VLM 397B，這是一款能辨識螢幕元素、並在真實電腦上直接執行任務的電腦操作模型，建構於 Qwen 3.5-397B 之上。它在 Hugging Face 的 ScreenSpot Pro 基準排名第二，並在系統層級任務上優於基礎模型：Linux 的 OSWorld 得分 70.5，Windows 的 WindowsAgentArena 亦有明顯提升。效率方面，模型以八張 GPU、低秩方法與 FP8 量化搭配監督式與強化學習微調完成訓練，可部署於有限硬體。Xenon 計畫進一步強化螢幕辨識與瀏覽器處理能力，並與 OneAgent 整合，同時釋出 FP8 版本…
重點整理
- 團隊可用較少 GPU 自建螢幕操作代理，並以韓語等非英語場景驗證實際可用性。
- 開源且能在有限硬體部署的電腦操作模型，讓自動化代理的落地門檻降低，對需要桌面自動化的團隊具實用價值。
編輯說明
本頁是 Code & Chain 對公開來源的編輯摘要，可能使用 AI 輔助整理並經自動化流程發布。請以原始來源為準；內容不構成投資、法律或稅務建議。