跳到主要內容
2026-10-26 日報
模型發布

開源手機代理 OpenMobile-2 釋出:以逾 110 款模擬 App 訓練,真機 SPA-Bench 跑分 59.6 創開源最佳

The Decoder單一來源
尚未逐項核實

目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

南京大學、商湯科技(SenseTime)與多所大專院校聯合釋出開源手機 AI 代理專案 OpenMobile-2,推出分別基於 Qwen3.5(9B)與 Qwen3.6(27B)的兩款模型,並完整開源訓練環境、資料與重現流程。 為解決在真實應用中面臨登入、付費與無法重設狀態的訓練限制,團隊重建了淘寶、京東、滴滴、美團以及 Slack、Google Drive 等 35 款常用 App,結合 Android 模擬器建立涵蓋超過 110 款應用的模擬環境。模型僅能接收螢幕截圖操作,無法讀取底層資料;研究團隊藉 Google 的 Gemini 3.1 Pro 作為教師模型,生成約 11,600 個操作流程與逾 2,000 項具備自動驗證機制的練習任務。 在各項基準測試中,27B 模型在真實 Android 裝置的 SPA-Bench 評測上取得 59.6 分(原始基準為 31.9 分),研究團隊稱其為目前開源模型最高成績。在 AndroidWorld 測試中,27B 模型從 67.1 分提升至 79.9 分,9B 模型則從 54.3 分提升至 74 分(前代 OpenMobile-1 為 64.7 分);在跨應用的長任務測試 MobileWorld 上,27B 模型分數從 35.9 分升至 50.4 分。不過,強化學習在此架構下的增益有限,27B 模型在 AndroidWorld 經強化學習後成績甚至由 80.8 分微幅下滑至 79.9 分。 研究實驗顯示,在維持相同訓練資料量的前提下,單純增加練習的 App 數量,可將代理在未曾見過的 App 上的成功率從 60.7% 推升至 67.5%。此外,模擬環境中有 50 多款 App 提供「加入購物車」等跳過選單的直接指令,受訓後的代理能藉此平均減少 5 個操作步驟,並使任務解決率最高提升 10.3 個百分點。
讀原始報導