Mobile-Agent：多模态 GUI 自动化智能体框架

1. 项目概述

• Mobile-Agent 是一个跨平台的多模态 GUI 自动化代理框架家族
• 支持手机、PC、浏览器等多平台自动化操作
• 具备视觉感知、规划、反思、记忆等能力

2. 主要版本/产品线

版本	特点	状态
GUI-Owl 1.5 (2026.2)	原生多平台 GUI Agent 基础模型家族 (2B/4B/8B/32B/235B)，基于 Qwen3-VL	最新发布
Mobile-Agent-v3.5	多平台基础 GUI Agent	预印本
Mobile-Agent-v3	多模态跨平台 GUI Agent 框架	已发布
UI-S1	基于半在线强化学习的 GUI 自动化	预印本
GUI-Critic-R1	操作前错误诊断 GUI 评判模型	NeurIPS 2025 接收
PC-Agent	PC 多模态多 Agent 协作框架	ICLR 2025 Workshop
Mobile-Agent-E	自进化手机操作 Agent	预印本
Mobile-Agent-v2	多 Agent 手机操作助手	NeurIPS 2024
Mobile-Agent-v1	单 Agent 多模态手机操作	ICLR 2024 Workshop

3. 核心能力

• GUI 感知与定位：理解界面元素并准确定位
• 端到端操作：完成复杂多步骤任务
• 工具/MCP 调用：与外部工具集成
• 长程记忆：支持长周期任务

4. 体验方式

• ModelScope 在线演示
• 阿里云百炼在线演示（限时免费 API）

5. 学术成果

• 多篇论文被 NeurIPS、ICLR 等顶会接收
• 获得 CCL 2024/2025 最佳演示奖
• 在 20+ 个 GUI 基准测试上达到 SOTA 效果

6. 开源信息

• 代码开源在 GitHub
• 模型权重发布在 HuggingFace
• MIT 许可证