阿里发布Qwen-UI-Agent 移动端基准超越GPT 5.6与Claude Opus 4.8

据官方介绍，Qwen-UI-Agent在多项GUI基准测试中全面对标并超越业界旗舰模型。移动端方面，在MobileWorld基准上达到82.1%，分别领先GPT-5.6 Sol、Claude Opus 4.8达12.0和14.6个百分点；在真机基准MobileWorld-Real上达到92.2%，超越Gemini 3.1 Pro、Claude Opus 4.8、GPT-5.6 Sol等模型；在AndroidDaily上更是高达97.5%，接近满分。电脑端方面，在OSWorld-Verified上达到79.5%，超越GPT-5.5、Gemini 3.1 Pro等模型。浏览器与DeepSearch方面，在WebArena上达到73.6%，位列所有对比模型第一。GUI Grounding方面，在ScreenSpot-Pro上达到81.5%，在其余4个评测基准也全部刷新SOTA。

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，并自建MobileWorld-Real真机基准（400多项任务、100多款应用），打通“从模拟到真实”的最后一公里。GUI操作之外，模型还能直接执行命令行操作，并在单次决策中批量输出多个动作——电脑任务中CLI动作占比近半，约40%动作以批量形式输出。

安全机制方面，Qwen-UI-Agent将安全判断贯穿任务执行全过程：面对违法或高风险请求直接拒绝并终止任务；面对支付、数据删除、隐私授权等敏感场景，在关键步骤主动停手并向用户说明情况。模型还支持在超过100步的超长轨迹上进行在线强化学习训练，配合约10000个并发环境同时rollout，持续攻克长程任务。