阿里发布 Qwen-UI-Agent：27B 参数在 6 大 GUI 基准中拿下 5 项第一
智东西 · wechat · 2026-08-20
阿里巴巴发布面向数字设备执行的 GUI 智能体基座模型 Qwen-UI-Agent，覆盖移动端、桌面端、网页端与深度搜索，可通过虚拟点击与 CLI 执行操作设备。在 6 个核心 GUI 基准中拿下 5 项第一，超过 GPT-5.6 Sol、Claude Opus 4.8 与字节 Seed2.1 Pro，主力版本仅 27B 参数（基于 Qwen3.5），另有 35B-A3B 与 4B 版本。在真机评测集 MobileWorld-Real 上成功率达 92.2%。
核心做法是用 100+ 台真实手机、150+ 应用搭建真机训练环境，配备健康感知调度器与虚拟屏幕技术，并发 rollout 效率提升约 20 倍，直接缓解 GUI 智能体的 sim-to-real gap。模型将 GUI、CLI 与 API 调用纳入统一动作空间，可批量输出动作；训练采用 SFT → ActionRL → Online RL 三阶段的数据飞轮，RL 后成功率提升 7%+、推理 token 减少 21.3%，"假成功"比例下降 11.2%。
论文还分析基线失败原因：52% 来自弹窗广告等真实干扰，40% 来自执行缺陷。安全上，模型对高风险请求直接拒绝，支付、删数据等敏感步骤会停下等用户确认。技术报告与代码已公开。
所属事件:阿里发布 Qwen-UI-Agent：6 大 GUI 基准中 5 项夺冠(2 条相关)→
「编程与Agent」频道最新
- Devin Oncall 登顶 SREGym：自动值守排障达 100% 端到端成功率 — tianyin_xu · 2026-10-16
- 多模型同题设计 UI:用 Paseo 编排四套界面方案竞技 — vista8 · 2026-10-16
- 独立研究者发布 Cortex:用重放实测自动进化与修剪编码 Agent 的 skills 和 rules — Samuele Giampieri · 2026-10-16
- 工具调用才是 AI 编程速度瓶颈，Crabbox 五招给 Agent 提速 — steipete · 2026-10-16
- WorldBox 沙盒让 GPT-6 Astra 的 MazeBench 得分从 23 翻倍到 61 — ZhitingHu · 2026-10-16
- 两条 prompt 让 Gemini 4 Argon 把单机游戏改成完整多人对战 — chongdashu · 2026-10-16