阿里GUI Agent做到第三代：Qwen开始同时会用手机、电脑和命令行

BiRun 讯，阿里推出新的 GUI 智能体基座模型 Qwen-UI-Agent。它能直接看屏幕、点按钮、输入文字，操作手机、电脑和网页；碰到适合命令行处理的任务，也能直接跑 CLI，不用所有事情都靠鼠标一点点完成。

阿里做 GUI Agent 已经两年多。2024 年的 Mobile-Agent 主要让模型看手机截图，再控制点击和滑动；之后的 GUI-Owl、MAI-UI 开始把 GUI 操作直接训练进模型，并扩到电脑。Qwen-UI-Agent 又把手机、电脑、网页、DeepSearch 和命令行放进同一个 Agent。

比如查高铁、算到公司的时间、再去钉钉建会议，它可以跨多个 App 一路做完。做数据分析时，也可以先上网找资料，再用命令行处理数据，最后生成 Excel、PPT 和 Word。

主力模型由 Qwen3.5-27B 继续训练而来。在阿里自建的真机评测 MobileWorld-Real 中，它拿到 92.2%，高于同场评测的 GPT-5.6 Sol、Claude Opus 4.8 和 Gemini 3.1 Pro。

千问大模型