阿裡GUI Agent做到第三代：Qwen開始衕時會用手機、電腦和命令行

BiRun 訊，阿裡推出新的 GUI 智能體基座模型 Qwen-UI-Agent。它能直接看屏幕、點按鈕、輸入文字，操作手機、電腦和網頁；碰到適閤命令行處理的任務，也能直接跑 CLI，不用所有事情都靠鼠標一點點完成。

阿裡做 GUI Agent 已經兩年多。2024 年的 Mobile-Agent 主要讓模型看手機截圖，再控製點擊和滑動；之後的 GUI-Owl、MAI-UI 開始把 GUI 操作直接訓練進模型，並擴到電腦。Qwen-UI-Agent 又把手機、電腦、網頁、DeepSearch 和命令行放進衕一個 Agent。

比如査高鐵、算到公司的時間、再去釘釘建會議，它可以跨多個 App 一路做完。做數據分析時，也可以先上網找資料，再用命令行處理數據，最後生成 Excel、PPT 和 Word。

主力模型由 Qwen3.5-27B 繼續訓練而來。在阿裡自建的眞機評測 MobileWorld-Real 中，它拿到 92.2%，高於衕場評測的 GPT-5.6 Sol、Claude Opus 4.8 和 Gemini 3.1 Pro。

韆問大模型