Исследователи выпустили открытые модели OpenMobile-2 для управления Android
Изображение: OpenAI
Исследователи выпустили две открытые модели OpenMobile-2 для управления приложениями Android, чтобы сократить отставание от закрытых агентов, сообщает The Decoder. Команда также опубликовала среду и данные для обучения и объяснила, как воспроизвести результаты.
В тесте SPA-Bench на реальных устройствах Android результат старшей модели вырос с 31,9 до 59,6 балла. Авторы называют его лучшим среди открытых моделей, а саму модель — одной из лучших среди современных агентов для смартфонов.
Над проектом работали исследователи Нанкинского университета, разработчика ИИ SenseTime и других вузов. Основой младшей модели стала Qwen3.5 с 9 млрд параметров, старшей — Qwen3.6 с 27 млрд. Примеры выполнения заданий для обучения создавала закрытая модель Gemini 3.1 Pro.
Среда обучения охватывает более 110 приложений: команда воссоздала 35 приложений, в том числе Taobao, JD, DiDi, Meituan, Slack и Google Drive, и добавила к ним готовые симуляции и приложения в эмуляторе Android. Агент видит только скриншоты и не имеет доступа к внутренним данным приложений.
В отдельном эксперименте исследователи не меняли объём обучающих данных, но увеличили число приложений для практики. Это повысило долю успешно выполненных заданий в незнакомых приложениях с 60,7% до 67,5%.
Команда также испытала прямые команды, например добавление товара в корзину без переходов по меню. Они помогли агентам решать больше задач за меньшее число шагов, но только после специального обучения: без него модели обычно игнорировали такие возможности. Пока эти интерфейсы есть лишь в симуляциях, а сами авторы называют подход экспериментальным.
