# 阿里发布 Qwen-UI-Agent，一个能直接操作手机和电脑界面的模型

> 原标题：阿里发布 Qwen-UI-Agent，主打让模型真正"会用"每一块屏幕

- 来源：AI HOT 精选
- 发布时间：2026-08-20T09:45:51.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/51806
- 原文：https://www.ithome.com/0/992/239.htm

## 摘要

阿里千问团队放出了一个叫 Qwen-UI-Agent 的模型，专门训练它看懂并操作手机、电脑和网页的界面。在真机测试 MobileWorld-Real 上拿了 92.2% 的分数，AndroidDaily 接近满分 97.5%，电脑端 OSWorld-Verified 达到 79.5%，超过了 GPT-5.5 和 Gemini 3.1 Pro。

## 推荐理由

阿里千问团队发布 Qwen-UI-Agent，专门训练模型看懂并操作手机、电脑和网页界面，在真机测试中成绩超过 GPT-5.5 和 Gemini 3.1 Pro。

## 锐评

92.2% 和 97.5% 这两个数，我第一反应是 MobileWorld-Real 和 AndroidDaily 是谁出的题。UI agent 的 benchmark 现在最大的问题就是评测集和训练集撞车，真机上点得准不代表换个 App 还能点准，界面一改版全废。OSWorld 79.5% 这个数倒是有点意思，那个环境相对脏，能压过 GPT-5.5 说明通用操作能力确实上来了。

只有标题和摘要，训练细节、失败案例、token 消耗一个都没有，这种分数先当参考。真要看的是它操作一步烧多少 token，UI agent 的 context 里全是截图，成本比纯文本 agent 高一个量级。
