快科技 8 月 20 日消息，阿里千问大模型正式发布 Qwen-UI-Agent，这是一款面向真实设备的 GUI 图形界面智能体基座模型，覆盖移动端、PC 桌面端、网页以及深度搜索环境。

最大的亮点是让 AI 可以直接看懂屏幕界面、模拟人类操作 App 与软件，充当数字设备通用执行器。

性能评测上该模型多项基准达到业界顶尖水平，移动端 MobileWorld 得分 82.1%，真机基准 MobileWorld-Real 达到 92.2%，AndroidDaily 高达 97.5%。

电脑端 OSWorld?Verified 取得 79.5%，浏览器 WebArena 拿到 73.6%。

ScreenSpot-Pro 界面定位 81.5%，多项榜单刷新 SOTA，综合表现对标并超越 GPT-5.6 Sol、Claude Opus 4.8、Gemini 3.1 Pro 等海外旗舰模型，同时保留基座模型原本通用与 Agent 能力。

模型基于大规模真机环境训练，搭建超 100 台真实手机、150 余款应用的测试集群，打通从仿真模拟到真实设备落地。

安全机制贯穿全流程，高风险请求直接拒绝，支付、删除数据、权限授权等敏感操作需要用户确认才继续执行。

支持 GUI 图形操作 +CLI 命令行混合动作，支持批量动作输出，电脑任务中接近半数可调用命令行，有效减少执行步骤，提升任务效率。

模型支持超 100 步超长轨迹在线强化学习，上万并发环境用于训练迭代，搭载 AutoResearch 式 AI 驱动数据飞轮，实现任务闭环迭代。

依托 Harness 框架，具备主动服务能力，支持手机、电脑跨设备任务接力，还可以和 DeepSearch 深度搜索联动，把网页检索和界面操作结合。

Qwen-UI-Agent 目标是解决大量没有开放 API 的传统软件应用，不需要改造程序，AI 依靠看懂屏幕就完成操作，拓展智能体落地边界。

【本文结束】如需转载请务必注明出处：快科技

责任编辑：建嘉