+0
日增长
9,379
stars
945
forks
97
watchers
42
prs
260
issues
0
releases
README
Mobile-Agent: 强大的GUI智能体家族 by 通义实验室-阿里巴巴集团 👏 欢迎通过我们的 Modelscope在线Demo 或 百炼在线Demo 试用 Mobile-Agent-v3.5! ❗️我们在百炼上提供 Mobile-Agent-v3.5 API,方便快速体验。请查看文档。 🤗 GUI-Owl-1.5 Collection| GUI-Owl-1.5 Collection 🤗 GUI-Owl-32B | GUI-Owl-32B | 🤗 GUI-Owl-7B | GUI-Owl-7B 简体中文 | English 📢新闻 - [2026.5.12]🔥🔥🔥 ToolCUA 正式发布!一个面向 GUI 与工具最优路径编排 的端到端计算机使用智能体,通过两阶段训练流程(基于轨迹的工具合成 → 在线智能体强化学习)掌握何时使用 GUI 操作、何时调用工具及何时切换。论文及模型权重详见 HuggingFace,项目仓库见Github.。 - [2026.3.31]🔥🔥 Mobile-Agent-v3.5现已在阿里云无影云手机上线——这是一个基于云端的安卓环境,可提供无缝的移动使用体验。了解更多Alibaba Cloud Wuying Cloud Phone | Documentation - [2026.3.19]🔥🔥 GUI-Owl-1.5 系列模型现已上线阿里云百炼平台,可供在线推理。请参考 阿里云百炼, 魔搭API-Inference。 - [2026.2.14]🔥 GUI-Owl-1.5 正式发布,这是一个全新的原生多平台 GUI 代理基础模型系列(2B/4B/8B/32B/235B;指令与思考)。该新一代原生 GUI 代理模型系列基于 Qwen3-VL 构建,支持桌面/移动/浏览器自动化,并在 20 多个 GUI 基准测试中取得了SOTA 性能,在端到端任务、接地、工具/MCP 调用和长时域记忆方面均表现出色。模型权重可在 HuggingFace 获取。技术报告可在 链接 获取。详情请参阅 GUI-Owl 1.5 README。 - [2025.11.25] GUI-Owl系列模型现已支持在线推理,感谢阿里云百炼提供的算力支持。详情请见链接。 - [2025.10.30] 我们发布了 OSWorld-MCP,这是一个用于评估模型上下文协议 (MCP) 工具在实际场景中调用能力的基准测试工具。请参阅链接。 - [2025.9.24] 我们在 ModelScope 上发布了基于无影云电脑和云手机的 demo。无需本地部署模型或准备设备,只需输入指令即可体验 Mobile-Agent-v3! ModelScope Demo 链接 和 百炼 Demo 链接。限时免费的 Mobile-Agent-v3 API请查看文档。基于Qwen-3-VL的新版本即将到来。 - [2025.9.19] GUI-Critic-R1 已被 第三十九届神经信息处理系统年会 (NeurIPS 2025) 接收。我们发布了最新成果 UI-S1:通过半在线强化学习推进 GUI 自动化。论文、代码 和 模型 现已开源。 - [2025.9.16] 我们发布了最新成果 UI-S1:通过半在线强化学习推进 GUI 自动化。论文(https://www.arxiv.org/abs/2509.11543)、代码(https://github.com/X-PLUG/MobileAgent/tree/main/UI-S1)、数据集(https://huggingface.co/datasets/mPLUG/UI_S1_dataset)和模型(https://huggingface.co/mPLUG/UI-S1-7B)现已开源。 - [2025.9.16] 我们在 OSWorld、AndroidWorld 和实际移动场景中开源了 GUI-Owl 和 Mobile-Agent-v3 的代码。请参阅 OSWorld 代码。GUI-Owl 的 OSWorld 强化学习 checkpoint 也已发布。请参阅 AndroidWorld 代码 和 真实场景代码。 - [2025.8.20]全新 GUI-Owl 和 Mobile-Agent-v3 正式发布!技术报告可在此处查看(https://arxiv.org/abs/2508.15144)。模型检查点将在 GUI-Owl-7B 和 GUI-Owl-32B 上发布。 - GUI-Owl 是一个多模态跨平台 GUI 虚拟层模型 (VLM),具备 GUI 感知、落地和端到端操作能力。 - Mobile-Agent-v3 是一个基于 GUI-Owl 的跨平台多智能体框架,提供规划、进度管理、反射和内存管理等功能。 - [2025.8.14]Mobile-Agent-v3 在第二十四届全国计算语言学大会 (CCL 2025) 上荣获 最佳演示奖。 - [2025.3.17] PC-Agent 已被 ICLR 2025 研讨会 接收。 - [2024.9.26] Mobile-Agent-v2 已被 第三十八届神经信息处理系统年会 (NeurIPS 2024) 接收。 - [2024.7.29] Mobile-Agent 在第二十三届全国计算语言学大会 (CCL 2024) 上荣获 最佳演示奖。 - [2024.3.10] Mobile-Agent 已被 ICLR 2024 研讨会 录用。 📊效果 👀特点 📝系列工作 - Mobile-Agent-v3.5 (预印本): 多平台统一 GUI 代理。[[论文]](https://arxiv.org/abs/2602.16855) [[代码]](https://github.com/X-PLUG/MobileAgent/tree/main/Mobile-Agent-v3.5) - Mobile-Agent-v3 (预印本): 多模态、多平台 GUI 代理。[[论文]](https://arxiv.org/abs/2508.15144) [[代码]](https://github.com/X-PLUG/MobileAgent/tree/main/Mobile-Agent-v3) - UI-S1 (预印本): 通过半在线强化学习推进 GUI 自动化。 [[论文]](https://arxiv.org/abs/2509.11543) [[代码]](https://github.com/X-PLUG/MobileAgent/tree/main/UI-S1) - GUI-Critic-R1 (NeurIPS 2025): 一种事前错误诊断方法的 GUI-Critic。 [[论文]](https://arxiv.org/abs/2506.04614) [[代码]](https://github.com/X-PLUG/MobileAgent/tree/main/GUI-Critic-R1) - PC-Agent (IC
Top issues
#182使用Mobile-Agent3坐标识别不准确19 comments · 2025-09-13#206UI-S1的rl训练qwen2.5-7b-instruct使用8张a100是否足够14 comments · 2025-10-14#43PC-agent安装和使用流程不好用。14 comments · 2024-08-26#10ModuleNotFoundError: OCRDetectionPipeline: 9 comments · 2024-02-09#4请问基于 python 哪个版本9 comments · 2024-02-01#65请教大佬,PC-Agent中gpt-4o进行对话的部分,能否换成本地部署的Qwen-VL-Chat?7 comments · 2024-10-09#22找不到Screenshot目录下的screenshot.jpg文件。7 comments · 2024-06-07#207坐标问题,困扰了几天了6 comments · 2025-10-14