阿里巴巴通义实验室推出 MAI-UI：构建卓越于同行的基础 GUI 智能代理产品体系

阿里巴巴通义实验室近期正式推出了 MAI-UI——一款多模态基础 GUI 智能代理系统。该系统不仅支持人机交互，还集成了 MCP 工具应用、设备与云端协同以及在线强化学习功能，在通用 GUI 基础操作和移动端 GUI 导航领域取得了显著突破，性能表现优于 Gemini2.5Pro、Seed1.8 和 UI-Tars2 等同类产品。

MAI-UI 基于 Qwen3VL 架构开发，提供 2B、8B、32B 和 235B 不同参数规模的模型版本。这些模型可接收自然语言指令和 UI 截图作为输入，输出结构化操作指令，并支持在实时 Android 环境中执行点击元素、滑动屏幕、文本输入和系统按钮操作等任务。此外，系统还具备主动澄清用户模糊需求的能力，可通过 MCP 工具调用外部资源，实现 GUI 操作、语言交互和 API 调用的混合执行。

在技术实现方面，MAI-UI 通过自我优化的数据管道和在线强化学习框架，确保导航功能的稳定性。Tongyi 实验室从应用手册、设计规范和公开数据中提取种子任务，经多智能体与人工标注员协同执行生成任务轨迹，持续优化导航策略。

实测数据显示，MAI-UI 在 MobileWorld 基准测试中取得 41.7% 的任务成功率，其最大规模版本在 AndroidWorld 测试中更达到 76.7% 的成功率，均领先于同类产品。

这一成果标志着移动应用领域 GUI 智能代理技术迈入新阶段，为智能设备处理复杂操作提供了更高效的解决方案。

详情请看：打开站点

以上关于阿里巴巴通义实验室推出 MAI-UI：构建卓越于同行的基础 GUI 智能代理产品体系的文章就介绍到这了，更多相关内容请搜索码云笔记以前的文章或继续浏览下面的相关文章，希望大家以后多多支持码云笔记。