阿里发布Qwen-UI-Agent，真机基准测试全面领跑业界旗舰

【科技纵览】8月20日，阿里巴巴正式对外披露了其最新研发成果——Qwen-UI-Agent。这是一款以真实物理世界交互为核心的GUI智能体基座模型，其应用场景广泛覆盖了移动端、PC端、网页浏览以及深度搜索（DeepSearch）等复杂环境。据官方数据显示，该模型在多项图形用户界面基准测试中表现强劲，整体性能指标已全面对标并超越当前业界的旗舰级模型。

在移动端测试环节，Qwen-UI-Agent在MobileWorld基准上斩获82.1%的高分，分别领先GPT-5.6 Sol与Claude Opus 4.8达12.0和14.6个百分点。而在更具挑战性的真机基准MobileWorld-Real中，其得分高达92.2%，成功超越Gemini 3.1 Pro等竞争对手；在AndroidDaily测试中更是逼近满分，达到97.5%。转向电脑端，该模型在OSWorld-Verified基准上取得79.5%的成绩，优于GPT-5.5及Gemini 3.1 Pro。此外，在浏览器与DeepSearch领域的WebArena测试中，它以73.6%的得分位居所有对比模型之首。在GUI Grounding方面，ScreenSpot-Pro得分为81.5%，其余四项评测基准也均刷新了SOTA纪录。

为了打通“从模拟到真实”的最后一步，研发团队构建了包含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、轨迹采集及模型训练评测，并自建了涵盖400多项任务的MobileWorld-Real真机基准。值得注意的是，除了常规的GUI操作，该模型还具备直接执行命令行指令的能力，且在单次决策中能批量输出多个动作——在电脑任务中，CLI动作占比接近一半，约40%的动作以批量形式呈现。

安全机制被嵌入任务执行的全流程之中：面对违法或高风险请求，模型会直接拒绝并终止任务；而在涉及支付、数据删除或隐私授权等敏感场景时，它会在关键步骤主动暂停并向用户说明情况。技术底层方面，模型支持在超过100步的超长轨迹上进行在线强化学习训练，配合约10000个并发环境的同步rollout，持续攻克长程任务难题。这一进展表明，具身智能在复杂交互场景下的可靠性正迎来实质性突破。