📢新闻

• [2026.3.31]🔥🔥 Mobile-Agent-v3.5 现已在 阿里云无影云手机 上线，这是一个基于云端的 Android 环境，可提供无缝的移动使用体验。了解更多：阿里云无影云手机 | 文档。
• [2026.3.19]🔥🔥 GUI-Owl-1.5 系列模型现已支持在线推理。请访问 阿里云百炼，以及 Modelscope API 推理。
• [2026.2.14]🔥 GUI-Owl-1.5 正式发布，这是一系列原生多平台 GUI 代理基础模型（2B/4B/8B/32B/235B；指令与思考）。该系列下一代原生 GUI 代理模型基于 Qwen3-VL 构建，支持 桌面/移动端/浏览器端 自动化，并在 20 多项 GUI 基准测试中达到 SOTA 水平，在端到端任务、场景理解、工具/MCP 调用以及长时记忆等方面表现优异。模型权重已在 HuggingFace 上开放下载。技术报告可在 Link 查阅。详情请参见 GUI-Owl 1.5 README。
• [2025.11.25] 在 阿里云百炼 的算力支持下，GUI-Owl 系列模型现已开放在线推理。请访问 Link。感谢 阿里云百炼 提供的强大算力支持。
• [2025.10.30] 我们发布了 OSWorld-MCP，这是一个用于评估模型上下文协议（MCP）工具调用能力的真实场景基准测试。详情请参见 Link。
• [2025.9.24] 我们在 ModelScope 上推出了基于无影云桌面和云手机的演示。无需本地部署模型或准备设备，只需输入指令即可体验 Mobile-Agent-v3！ ModelScope 演示链接，以及 百炼演示链接。限时免费的 Mobile-Agent-v3 API 可通过 文档 获取。基于 Qwen-3-VL 的新版本即将推出。
• [2025.9.19] GUI-Critic-R1 已被 第三十九届神经信息处理系统年度会议（NeurIPS 2025） 接受。
• [2025.9.16] 我们发布了最新成果 UI-S1：通过半在线强化学习推进 GUI 自动化。相关 论文（Link）、代码（Link）、数据集（Link）和 模型（Link）均已开源。
• [2025.9.16] 我们已将 GUI-Owl 和 Mobile-Agent-v3 的代码在 OSWorld、AndroidWorld 以及真实移动场景中开源。详情请参见 OSWorld 代码。同时，OSWorld RL 调优后的 检查点（Link）也已发布。更多代码请查阅 AndroidWorld 代码 和 真实场景代码。
• [2025.8.20] 全新 GUI-Owl 和 Mobile-Agent-v3 正式发布！技术报告可在此查阅 Link。模型检查点将分别在 GUI-Owl-7B 和 GUI-Owl-32B 上发布。
  • GUI-Owl 是一款多模态跨平台 GUI VLM，具备 GUI 感知、场景理解及端到端操作能力。
  • Mobile-Agent-v3 是一个基于 GUI-Owl 的跨平台多智能体框架，提供规划、进度管理、反思和记忆等功能。
• [2025.8.14] Mobile-Agent-v3 在 第24届中国计算语言学大会（CCL 2025）上荣获 最佳演示奖。
• [2025.3.17] PC-Agent 已被 ICLR 2025 研讨会 接受。
• [2024.9.26] Mobile-Agent-v2 已被 第三十八届神经信息处理系统年度会议（NeurIPS 2024） 接受。
• [2024.7.29] Mobile-Agent 在 第23届中国计算语言学大会（CCL 2024）上荣获 最佳演示奖。
• [2024.3.10] Mobile-Agent 已被 ICLR 2024 研讨会 接受。

📊结果

👀特性

📝系列工作

• Mobile-Agent-v3.5（预印本）：多平台基础 GUI 代理。[论文] [代码]
• Mobile-Agent-v3（预印本）：多模态、多平台 GUI 代理。[论文] [代码]
• UI-S1（ACL 2026 主会）：通过半在线强化学习推进 GUI 自动化。[论文] [代码] [数据集]
• GUI-Critic-R1（NeurIPS 2025）：用于术前错误诊断的 GUI 评论器。[论文] [代码]
• PC-Agent（ICLR 2025 研讨会）：用于多模态 PC 操作的多智能体系统。[论文] [代码]
• Mobile-Agent-E（预印本）：用于自我进化的手机操作的多智能体系统。[论文] [代码]
• Mobile-Agent-v2（NeurIPS 2024）：用于多模态手机操作的多智能体系统。[论文] [代码]
• Mobile-Agent-v1（ICLR 2024 研讨会）：用于多模态手机操作的单智能体系统。[论文] [代码]

📺演示

💻电脑 + 🌐网页

📱手机

⭐星标历史

📑引用

如果您发现 Mobile-Agent 对您的研究和应用有所帮助，请使用以下 BibTeX 格式引用：

@article{xu2026mobile,
  title={Mobile-Agent-v3. 5: Multi-platform Fundamental GUI Agents},
  author={Xu, Haiyang and Zhang, Xi and Liu, Haowei and Wang, Junyang and Zhu, Zhaozai and Zhou, Shengjie and Hu, Xuhao and Gao, Feiyu and Cao, Junjie and Wang, Zihua and others},
  journal={arXiv preprint arXiv:2602.16855},
  year={2026}
}

@article{ye2025mobile,
  title={Mobile-Agent-v3: Foundamental Agents for GUI Automation},
  author={Ye, Jiabo and Zhang, Xi and Xu, Haiyang and Liu, Haowei and Wang, Junyang and Zhu, Zhaoqing and Zheng, Ziwei and Gao, Feiyu and Cao, Junjie and Lu, Zhengxi and others},
  journal={arXiv preprint arXiv:2508.15144},
  year={2025}
}

@article{lu2025ui,
  title={UI-S1: Advancing GUI Automation via Semi-online Reinforcement Learning},
  author={Lu, Zhengxi and Ye, Jiabo and Tang, Fei and Shen, Yongliang and Xu, Haiyang and Zheng, Ziwei and Lu, Weiming and Yan, Ming and Huang, Fei and Xiao, Jun and others},
  journal={arXiv preprint arXiv:2509.11543},
  year={2025}
}

@article{wanyan2025look,
  title={Look Before You Leap: A GUI-Critic-R1 Model for Pre-Operative Error Diagnosis in GUI Automation},
  author={Wanyan, Yuyang and Zhang, Xi and Xu, Haiyang and Liu, Haowei and Wang, Junyang and Ye, Jiabo and Kou, Yutong and Yan, Ming and Huang, Fei and Yang, Xiaoshan and others},
  journal={arXiv preprint arXiv:2506.04614},
  year={2025}
}

@article{liu2025pc,
  title={PC-Agent: A Hierarchical Multi-Agent Collaboration Framework for Complex Task Automation on PC},
  author={Liu, Haowei and Zhang, Xi and Xu, Haiyang and Wanyan, Yuyang and Wang, Junyang and Yan, Ming and Zhang, Ji and Yuan, Chunfeng and Xu, Changsheng and Hu, Weiming and Huang, Fei},
  journal={arXiv preprint arXiv:2502.14282},
  year={2025}
}

@article{wang2025mobile,
  title={Mobile-Agent-E: Self-Evolving Mobile Assistant for Complex Tasks},
  author={Wang, Zhenhailong and Xu, Haiyang and Wang, Junyang and Zhang, Xi and Yan, Ming and Zhang, Ji and Huang, Fei and Ji, Heng},
  journal={arXiv preprint arXiv:2501.11733},
  year={2025}
}

@article{wang2024mobile2,
  title={Mobile-Agent-v2: Mobile Device Operation Assistant with Effective Navigation via Multi-Agent Collaboration},
  author={Wang, Junyang and Xu, Haiyang and Jia, Haitao and Zhang, Xi and Yan, Ming and Shen, Weizhou and Zhang, Ji and Huang, Fei and Sang, Jitao},
  journal={arXiv preprint arXiv:2406.01014},
  year={2024}
}

@article{wang2024mobile,
  title={Mobile-Agent: Autonomous Multi-Modal Mobile Device Agent with Visual Perception},
  author={Wang, Junyang and Xu, Haiyang and Ye, Jiabo and Yan, Ming and Shen, Weizhou and Zhang, Ji and Huang, Fei and Sang, Jitao},
  journal={arXiv preprint arXiv:2401.16158},
  year={2024}
}

MobileAgent 快速上手指南

MobileAgent 是由阿里巴巴通义实验室推出的强大 GUI 智能体家族，支持桌面、移动端及浏览器的自动化操作。最新版本的 Mobile-Agent-v3.5 基于 GUI-Owl-1.5 模型，具备多模态感知、定位及端到端操作能力。

环境准备

系统要求

• 操作系统: Linux (推荐 Ubuntu 20.04+), macOS, 或 Windows (WSL2)
• Python: 3.9 或更高版本
• GPU: 推荐 NVIDIA GPU (显存 ≥ 16GB 用于本地部署大模型)，若使用云端 API 则无此强制要求
• 依赖工具: Git, pip/conda

前置依赖

确保已安装基础开发工具：

sudo apt-get update && sudo apt-get install -y git python3-pip python3-venv

安装步骤

方案一：本地源码部署（推荐开发者）

1. 克隆仓库 使用国内镜像加速克隆（如网络受限）或直接克隆官方源：

   git clone https://github.com/X-PLUG/MobileAgent.git
   cd MobileAgent
   

2. 创建虚拟环境并安装依赖

   python3 -m venv venv
   source venv/bin/activate  # Windows 用户请使用: venv\Scripts\activate
   
   pip install -r requirements.txt
   # 若下载缓慢，可使用清华源：
   # pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

3. 下载模型权重 推荐通过 ModelScope (魔搭) 下载，速度更快：

   pip install modelscope
   python -c "from modelscope import snapshot_download; snapshot_download('iic/GUI-Owl-7B', local_dir='./models/GUI-Owl-7B')"
   

   注：如需 32B 版本，将模型 ID 替换为 iic/GUI-Owl-32B。

方案二：云端 API 体验（免部署）

若无需本地推理，可直接调用阿里云百炼或魔搭在线服务：

• 阿里云百炼: 访问 控制台 获取 API Key。
• 魔搭在线 Demo: 直接访问 MobileAgent Test Studio 进行体验。

基本使用

以下示例展示如何通过 Python 脚本调用本地部署的 Mobile-Agent-v3.5 执行简单的跨平台任务。

1. 配置环境变量

在使用前，请设置模型路径或 API Key：

export MODEL_PATH="./models/GUI-Owl-7B"
# 若使用云端 API
export DASHSCOPE_API_KEY="your_api_key_here"

2. 运行示例脚本

创建一个名为 run_agent.py 的文件，输入以下内容：

import os
from mobile_agent.core import AgentController

# 初始化智能体控制器
# mode 可选 'local' (本地模型) 或 'cloud' (云端 API)
controller = AgentController(
    model_path=os.getenv("MODEL_PATH"), 
    mode="local", 
    platform="pc" # 可选: pc, android, web
)

# 定义任务指令
instruction = """
Search for the stock prices of Apple and Nvidia respectively. 
Then create a new spreadsheet in WPS Office. 
Enter the company names in column A and the retrieved stock prices in column B.
"""

# 执行任务
try:
    print("开始执行任务...")
    result = controller.run(instruction)
    print(f"任务完成状态：{result.status}")
    print(f"执行日志：{result.logs}")
except Exception as e:
    print(f"执行出错：{e}")
finally:
    controller.close()

3. 启动执行

在终端运行脚本：

python run_agent.py

智能体将自动接管屏幕，执行搜索股票价格、打开 WPS 表格并填入数据的完整流程。

---

更多高级功能（如多智能体协作、长程记忆管理）请参考官方仓库中的 Mobile-Agent-v3.5 目录文档。