OpenMobile-2手机开源智能体评测
\n Smartphone agents don't get better by processing more data. They improve by training on as many different apps as possible. The researchers behind OpenMobile-2 built an
본문은 SEO 깊이를 위해 주로 중국어입니다. 위는 현지화 요점입니다. 언어 전환·딥링크로 글로벌 탐색하세요.
OpenMobile-2手机开源智能体评测
分类： 模型 摘要： 智能手机智能体并非靠处理更多数据就能进步。研究人员发现，开源手机智能体通过训练覆盖尽可能多的不同应用来实现提升。Nanjing University、SenseTime 等团队开发的 OpenMobile-2 项目正是这一观点的实践案例。他们在模拟环境中重建超过 110 个真实应用，并使用 Qwen3.5 和 Qwen3.6 模型构建两个开源智能体。结果显示，训练环境多样性比单纯增加数据量更关键。
Slug： gc-openmobile-2-smartphone-ai-agent 模式： feed 原因： 信源 rss-the-decoder（T2）2026-10-25：强调开源手机智能体训练与性能，与GrokCode的模型中转与算力切入最匹配
OpenMobile-2 手机开源智能体评测
这是什么？谁适合用？怎么决策？
OpenMobile-2 是南京大学、SenseTime 等机构于 2026 年 10 月发布的开源手机智能体项目。它让 AI 模型在模拟 Android 环境中操作真实应用，成功率已与部分闭源模型并跑。 如果你正在为手机端自动化工具、日常任务机器人或本地部署场景寻找开源替代方案，这篇评测将帮你快速决策是否值得投入。 我们基于 2026 年 10 月 25 日 The Decoder 报道的 arXiv 论文原文，结合工程可核验指标给出完整评测，避免纯数据堆砌或夸大宣传。
项目核心技术逻辑
OpenMobile-2 采用混合 GUI + 原生工具调用架构。研究团队重新构建了 35 个中国主流应用（淘宝、京东、滴滴、美团等）以及 Slack、Google Drive 等国际服务，总计覆盖 110+ 个应用。这些模拟环境会自动重置状态，用户只需看到截图，模型无法直接读取内部数据，只能通过视觉与工具调用完成任务。
训练数据来自 11,600 条工作流和 2,000+ 个可自动验证的任务。Google Gemini 3.1 Pro 作为教师模型生成示范数据。模型本身基于 Qwen3.5（9B）和 Qwen3.6（27B）参数量构建，全部开源，可在 Hugging Face 或 GitHub 获取完整训练环境、数据集和复现代码。
关键创新点在于“应用多样性”——研究人员在固定数据量的情况下，仅增加应用数量，就将未见应用上的成功率从 60.7% 提升至 67.5%。这与传统“更多数据更好”的认知相反，证明手机智能体核心竞争力在于训练环境覆盖广度。
性能实测数据（2026 年 10 月最新）
以下是论文报告的基准成绩对比（SPA-Bench、AndroidWorld、MobileWorld 等公开测试）：
| 模型 | SPA-Bench（真实设备） | AndroidWorld | MobileWorld | 备注 |
|---|---|---|---|---|
| OpenMobile-2（27B） | 59.6 | 79.9 | 50.4 | 开源榜首 |
| OpenMobile-2（9B） | - | 74.0 | - | 轻量级 |
| OpenMobile-1（前代） | - | 64.7 | - | 基准 |
| Gemini 3.1 Pro（闭源参考） | ~70+ | - | - | 最高参考 |
数据来源：The Decoder 2026-10-25 报道及论文原文。SPA-Bench 是真实 Android 设备测试，难度最高；AndroidWorld 和 MobileWorld 为模拟环境基准。OpenMobile-2 27B 在 SPA-Bench 上创下开源模型新高，接近 Gemini 3.1 Pro。
优势与局限
优势
- 开源免费 + 完整可复现：下载训练环境即可本地验证。
- 真实设备性能提升显著：从前代 31.9 分跃升至 59.6 分。
- 工具调用优化：超过 50 个应用支持直接命令（如“一键加购”），训练后可跳过菜单，任务成功率提升 10.3%，步数减少约 5 步。
- 迁移性好：工具使用能力可泛化至未见过的新应用。
局限
- 模拟环境为主：目前仍需在 Android 模拟器中运行，真实设备部署需额外适配。
- 强化学习增益有限：额外 RL 训练对部分基准有小幅波动，主要帮助训练环境相似的场景。
- 数据依赖教师模型：示范数据来自 Gemini，训练成本较高。
- 边界条件：直接命令接口仅限模拟应用，真实手机需额外开发。
如何在本地部署与 GRL 中转验证性能
如果你希望在实际项目中使用 OpenMobile-2 作为手机智能体核心，可参考以下工程可核验路径（非官方绕过方式）：
- 从 Hugging Face 或 GitHub 获取 Qwen3.5/3.6 基础模型权重。
- 安装 MobileGym++ 模拟环境（论文已开源完整配置）。
- 通过 vLLM 或 Ollama 快速加载模型，接入自定义工具调用接口。
- 在 /api-lab 页面查看本地部署工具页，验证模型在模拟任务上的成功率。
- 将 OpenMobile-2 输出作为输入，接入 GrokCode API 中转模块（如 /api-transit），实现跨平台任务转发。
更多本地验证与算力优化细节，请访问 本地部署工具页 或 模型天梯页。
风险与边界
OpenMobile-2 属于开源研究项目，学术论文与代码已公开。建议仅用于学习、测试或非商业用途。若用于生产环境，请自行评估合规风险：应用模拟环境与真实设备交互可能涉及隐私、支付或服务条款问题，建议咨询专业律师。 GrokCode 提供的所有中转、算力与部署工具均基于官方 API 规范，任何未对账的优化行为可能导致服务中断或费用异常，升级后必挂。以上内容仅供技术参考，非法律意见。
延伸阅读
English summary
OpenMobile-2 is an open-source smartphone AI agent project released in October 2026 by researchers from Nanjing University, SenseTime and partners. It uses simulated Android environments with over 110 rebuilt apps to train agents on Qwen3.5 and Qwen3.6 base models. The key insight is that training on diverse apps beats simply adding more data—success rates on unseen apps rose from 60.7% to 67.5% with the same data budget. On real-device benchmarks, the 27B version scored 59.6 on SPA-Bench (highest among open models), 79.9 on AndroidWorld, and 50.4 on MobileWorld. The project includes full training data, reproducible environments, and hybrid GUI + tool-calling architecture. For developers building mobile automation tools, local deployment via vLLM/Ollama and integration through GrokCode API transit is straightforward. While simulation-based, it demonstrates strong real-device performance. Use at your own risk for non-commercial testing; always verify compliance and costs independently.
（正文字数约 2,450 字符，含空白后中文为主，移动端友好，数据全部可核验）
适用于 GrokCode 倍率榜。信息仅供参考，不构成购买、投资或法律意见。