🤖 人工智能 · 大模型 · 智能体

🔥 千问Qwen-UI-Agent横空出世，让AI真正"看懂屏幕、动手干活"，打通手机与电脑的最后一公里。

一、从"会答"到"会做"，Agent装进真实设备

8月20日，阿里巴巴千问大模型正式发布Qwen-UI-Agent，一款面向真实设备的GUI图形界面智能体基座模型，覆盖移动端、PC桌面端、网页以及深度搜索环境。它要解决的不再是"AI能不能回答问题"，而是AI能不能真正看懂屏幕，并完成点击、操作和任务执行。大量没有开放API的传统软件，如今无需改造程序，AI靠"看懂屏幕"就能直接操作，智能体的落地边界被大幅拓展。

在性能评测上，这款模型多项基准刷新业界纪录：移动端MobileWorld得分82.1%，真机基准MobileWorld-Real高达92.2%，AndroidDaily更是拿到97.5%；电脑端OSWorld Verified取得79.5%，浏览器WebArena拿到73.6%。综合表现对标并超越GPT-5.6 Sol、Claude Opus 4.8、Gemini 3.1 Pro等海外旗舰模型，同时保留了基座模型原本的通用能力与Agent能力。

二、真机训练+安全护栏，落地不止于实验室

为了让它真正"会用屏幕"，阿里搭建了超100台真实手机、150余款应用的测试集群，打通从仿真模拟到真实设备落地的链路。模型支持超100步超长轨迹在线强化学习，上万并发环境用于训练迭代，并搭载AutoResearch式AI驱动数据飞轮，实现任务的闭环迭代。这意味着它不仅能处理简单点击，还能跨步骤完成长程复杂任务。

安全机制同样贯穿全流程：高风险请求直接拒绝，支付、删除数据、权限授权等敏感操作必须经用户确认才继续执行。支持GUI图形操作与CLI命令行混合动作，电脑任务中近半数可调用命令行，既减少了执行步骤，也让操作更可控。依托Harness框架，它还能与DeepSearch深度搜索联动，把网页检索和界面操作结合，实现手机、电脑跨设备任务接力。

三、Agent落地潮起，端侧生态加速成熟

千问这波更新并非孤例。就在同一周，阿里发布2027财年一季报，AI云收入484.37亿元、同比大增45%，创22个季度增速新高，模型即服务ARR突破160亿元；联发科也宣布完成Qwen 3.8全平台Day-0适配，从智能手机到智能汽车全场景覆盖。从云端到端侧，从软件到芯片，智能体正从"演示能力"真正走向"生产工具"，而"看懂屏幕、动手干活"的GUI智能体，无疑是其中最关键的一块拼图。

当Agent真正装进每个人的电脑和手机，人与设备的交互方式将被重新定义。未来我们或许不再需要一个个点开App，而只需一句指令，AI就能替你完成整条操作链。

综合快科技、21世纪经济报道、PConline太平洋科技报道 | 2026-08-22