蚂蚁开源 UI-Venus-2：9B 小模型三端通吃，跨端成绩反超大模型
大模型之路 · wechat · 2026-09-17
蚂蚁 InclusionAI 开源跨端 GUI 智能体 UI-Venus-2，一个 checkpoint 覆盖手机、电脑、网页三端，放出 9B 与 27B 两个版本（Apache-2.0，基于 Qwen3.5-9B 初始化）。
核心成绩
- 9B 版：WebVoyager 90.8%（Kimi-K2.6 为 76.8%）、MobileWorld 50 步成功率 65.8%、OSWorld-Verified 70.8%
- 27B 版：WebVoyager 93.4%、DeskCraft 55.5%、AndroidWorld 84.0%，多项刷新 SOTA
- 统一训练 Grounding 与 CAPTCHA：27B 在五项验证码基准全部 SOTA
技术要点
- 三阶段训练：大规模轨迹中训 → 分场景离线 RL → 多教师在线蒸馏（MOPD），动作感知监督只对影响结果的动作 token 加重
- 两级验证：轨迹级（完成/部分完成/不可行/失败）+ 样本级（每步动作预判），多异构模型投票汇总，避免部分完成被误判为成功
- 同步开源 Venusframeworkmobile（40+ 中文 App，多设备并行）与浏览器插件，配 OSHARM 等安全基准
文章也提醒：榜单为厂商自报未独立复现，关键动作仍建议人工确认。
「编程与Agent」频道最新
- LangGraph 用 Jev 做廉价分类器，为 Agent 流程引入更多控制原语 — hwchase17 · 2026-09-18
- Claude Code 2.1.276 更新明细：距上版不到 6 小时，提示词增 440 token — ClaudeCodeLog · 2026-09-18
- Claude Code 2.1.276 发布：修复代理网关下全部请求 400 的回归 — ClaudeCodeLog · 2026-09-18
- Claude Code 2.1.276 发布：修复代理网关下全部请求 400 的回归 — ClaudeCodeLog · 2026-09-18
- Layers 跑通首个自主闭环：Detail 提修 PR，Devin 审查，Claude 终审 — saranormous · 2026-09-18
- 用 Gradio 把 4B 小模型微调成答案打分器，温度缩放校准置信度 — Gradio · 2026-09-18