8月20日，阿里巴巴正式推出Qwen-UI-Agent——一个以真实世界为中心的GUI智能体基座模型，全面覆盖移动端、电脑端、网页端以及深度搜索（DeepSearch）环境。该模型在多项核心基准测试中全面对标乃至超越GPT-5.6 Sol、Claude Opus 4.8等业界旗舰模型，让AI真正成为能看懂屏幕、会操作软件的“数字执行器”。
真机驱动的训练体系：从模拟到现实的跨越
与绝大多数在仿真环境中训练的GUI智能体不同，Qwen-UI-Agent搭建了覆盖100多台真实手机、150多款应用的真机移动环境，用于任务构建、轨迹采集、模型训练与评测。
团队自建了MobileWorld-Real真机基准（400多项任务、100多款应用），彻底打通了“从模拟到真实”的最后一公里。MobileWorld本身是阿里联合多家机构在ACL 2026发布的移动智能体基准，其任务平均步骤达27.8步，多应用任务占比62.2%，难度远超此前的AndroidWorld。
性能领跑：移动端、电脑端、浏览器全面超越
在多项权威基准测试中，Qwen-UI-Agent以单一模型刷新了多个榜单的SOTA记录：
| 评测基准 | Qwen-UI-Agent | 对比成绩 |
|---|---|---|
| 移动端 MobileWorld | 82.1% | 领先 GPT-5.6 Sol 12%、Claude Opus 4.8 14.6%、Seed 2.1 Pro 8.9% |
| 移动端 MobileWorld-Real（真机） | 92.2% | 超越 Gemini 3.1 Pro、Claude Opus 4.8、GPT-5.6 Sol、Seed 2.1 Pro |
| 移动端 AndroidDaily | 97.5% | 接近满分 |
| 电脑端 OSWorld-Verified | 79.5% | 超越 GPT-5.5、Gemini 3.1 Pro、Seed 2.1 Pro |
| 电脑端 OSWorld-v2 Partial | 40.0% | 相比基线节省 58% 执行步数 |
| 浏览器 WebArena | 73.6% | 所有对比模型排名第一 |
| GUI定位 ScreenSpot-Pro | 81.5% | 其余4个grounding基准全部刷新SOTA |
值得一提的是，Qwen-UI-Agent在通用和Agentic能力上全面保持或超越了训练基座模型，大幅领先GUI专用模型，能够从容应对真实世界中的长尾需求。
混合操作与批量执行：像人一样高效“干活”
Qwen-UI-Agent不仅支持标准的GUI点击操作，还能直接执行命令行（CLI）操作，并在单次决策中批量输出多个动作。
在电脑任务中，CLI动作占比近半，约40%的动作以批量形式输出，大幅缩短了执行轨迹、拓展了能力边界。例如，模型可以跨网站调研产品、核对价格，生成比价方案。
此外，它支持在超过100步的超长轨迹上进行在线强化学习训练，配合约10,000个并发环境同时rollout，结合模型自适应课程学习，持续攻克高难度长程任务。
安全贯穿全程：该停手时就停手
Qwen-UI-Agent将安全判断贯穿任务执行全过程：
危险请求：不执行任何界面操作，直接拒绝并终止任务；
敏感场景：在支付、数据删除、隐私授权等关键步骤主动停手，向用户说明情况，待获得明确确认后再继续。
这种设计让模型既能执行，也懂得何时停手。
真实场景演示：从订咖啡到出差安排
官方展示的多个真实场景中，Qwen-UI-Agent展现了跨应用、跨设备的协同执行能力：
出行规划：在高德搜索地址、打开大众点评找附近1公里内咖啡馆、记下店名、去小红书总结前五条笔记推荐哪款咖啡。
出差安排：查12306最早到杭州西的高铁、算地铁通勤时间、在钉钉安排“出差归来项目同步”会议。
文件整理：在手机相册找到所有收据、移动到远程桌面receipts文件夹、按日期重命名、创建Excel汇总账单。
它依托Harness框架，具备主动服务能力，支持手机、电脑跨设备任务无缝衔接，还可与DeepSearch深度搜索联动，将网页检索与界面操作有机统一。
Qwen-UI-Agent的发布，标志着GUI智能体从“仿真玩具”正式进化为“生产工具”。100多台真机训练、92.2%的真机成功率、97.5%的安卓日常任务完成率——这些数字背后，是AI第一次真正具备了“看懂屏幕、操作软件”的通用能力。其意义在于：大量没有开放API的传统软件，无需改造程序，AI就能像人一样“看着屏幕操作”。当AI能够像人一样使用每一块屏幕时，数字世界的自动化边界将被彻底重新定义。
有关链接如下：
技术报告：https://arxiv.org/abs/2607.28227
项目主页：https://tongyi-mai.github.io/Qwen-UI-Agent
GitHub：https://github.com/Tongyi-MAI/MAI-UI