OpenGUI
★ 1.8k
vs
groundingLMM
★ 969
OpenGUI vs groundingLMM
OpenGUI：OpenGUI 让 AI 智能体通过截图看懂并操作真机上的 Android 应用，完成多步手机任务和应用测试。可以作为 WorkBuddy 或 DeepSeek Harness 的插件安装，也可以自托管后端和 Android 客户端。；groundingLMM：GLaMM（接地大型多模态模型）是一个端到端训练的大型多模态模型，能够生成与对象分割掩码集成的自然语言响应，实现了视觉接地，并支持在多层次粒度上与图像进行灵活交互。它引入了新颖的接地对话生成（GCG）任务，支持指代表达式分割和区域级图像描述等多种下游应用，并以大规模的GranD数据集为基础。
01
简评
OpenGUIVision / Multimodal · ★ 1.8k
在 Android 手机上自动完成重复的多步操作
groundingLMMVision / Multimodal · ★ 969
理解并响应用户关于特定图像区域查询的交互式视觉助手。
02
并排对比
03
功能特性
OpenGUI01按自然语言指令点击、滑动、输入并在应用间跳转
02应用测试会记录问题、复现步骤和截图
03在 WorkBuddy 工作台查看屏幕、步骤和报告，或随时接管
04自托管版本可通过飞书、Telegram、Discord 或 REST 下发任务
groundingLMM01生成与对象分割掩码无缝集成的自然语言响应。
02支持新颖的接地对话生成（GCG）任务，并提供全面的评估协议。
03执行详细的区域级图像描述和回答基于推理的视觉问题。
04通过从基于文本的查询创建分割掩码，擅长指代表达式分割。
05提供高质量的图像描述和会话式问答。
04
使用场景
OpenGUI↳在 Android 手机上自动完成重复的多步操作
↳对移动应用做探索式测试并收集缺陷报告
↳直接在手机应用里准备社交媒体草稿
groundingLMM↳理解并响应用户关于特定图像区域查询的交互式视觉助手。
↳用于创建密集、像素级接地数据集的自动化标注工具。
↳需要视觉理解和带有分割的详细文本描述的高级图像分析任务。
05
适合场景
OpenGUI时下流行
groundingLMM—
FAQ
常见问题
OpenGUI 和 groundingLMM 有什么区别？
OpenGUI 和 groundingLMM 都属于 Vision / Multimodal 类别。OpenGUI 有 1.8k Stars，groundingLMM 有 969 Stars。
OpenGUI 和 groundingLMM 哪个更好？
最佳选择取决于你的具体需求。在 Android 手机上自动完成重复的多步操作 时选 OpenGUI，理解并响应用户关于特定图像区域查询的交互式视觉助手。 时选 groundingLMM。
OpenGUI 是免费的吗？
是的，OpenGUI 在 GitHub 开源（NOASSERTION）。
groundingLMM 是免费的吗？
是的，groundingLMM 在 GitHub 开源（Apache-2.0）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→