OpenMobile-2 今日发布

2. OpenMobile-2：把 35 个商业 App 重建成可复位沙盒的开源手机智能体栈

产品简介

OpenMobile-2 是 2026 年 10 月一次性开源的一套手机智能体全栈，包含仿真环境 MobileGym++、训练数据 OpenMobile-Data、App 原生工具机制、两个开源智能体模型（9B 与 27B）以及完整的训练与复现配方。论文《OpenMobile-2: Building Versatile Mobile Agents with Scalable Environments and App-Native Tools》于 2026 年 10 月 9 日提交 arXiv（编号 2610.14157），两个模型分别基于 Qwen3.5-9B 与 Qwen3.6-27B 微调，遵循 Apache-2.0 协议，模型卡与数据集都挂在 Hugging Face 的 OpenMobile-2 组织下。第一作者 Chenyang Yan，另有 23 位作者来自南京大学、西安交通大学、新加坡国立大学、香港大学、华东师范大学与商汤等机构。它要解决的痛点非常具体：真实 App 需要账号、会变更状态、会产生真实订单，无法一键回滚，导致开源手机智能体长期只能在少量简单工具类 App 上训练，一遇到购物、打车这类跨 App 流程就掉链子。

核心功能

1. MobileGym++ 仿真环境：把 35 个主流商业 App 重新实现为高保真模拟客户端，包括淘宝、京东、滴滴、美团等国内高频应用，以及 Slack、Google Drive 这类全球服务，叠加已有仿真 App 与模拟器中的应用后总量超过 110 个。
2. 持久业务状态与一键复位：重做后的 App 保留订单、预算、行程等跨会话持久状态，App 之间可通过剪贴板传递数据（例如在聊天里读到的地址直接粘进外卖 App），每个仿真都能自动复位到初始状态。
3. 人工对齐审核：审核员把重做版与原版逐一对齐，直到流程与界面一致。
4. OpenMobile-Data 数据集：约 11600 条示范轨迹，以及 2000 多个带自动成功校验（verifier）的强化学习任务，SFT 与 RL 配方一并公开。
5. App 原生工具：50 多个 App 暴露 300 多个原生工具，与 GUI 读写同一份状态，策略每步在屏幕操作与直接调用之间切换，例如 add_to_cart 会真正改变购物车。
6. MobileGym++ Bench：215 个跨 App 长程任务的私有基准，用程序对比 App 运行前后的存储数据来判定成败，不依赖语言模型当裁判，近一半任务跨 App。
7. 两个开源模型：OpenMobile-2-9B 与 OpenMobile-2-27B，Hugging Face 上提供原始权重，社区另提供 GGUF 量化版本。
8. 浏览器内实时演示与部署配方：整个手机模拟器跑在浏览器里、无需服务器，状态是一个快照、一键复位；vLLM 0.19.1 部署命令、65536 上下文长度、张量并行 2 等参数全部公开。

特色优势

它最值得记住的不是某个分数，而是一个反直觉的结论：在数据量固定的前提下，把训练用的 App 数量铺开，比再堆数据更有效。团队的对照实验显示，固定数据量、只增加训练用 App 的种类，未见 App 上的成功率从 60.7% 提升到 67.5%；反过来，在监督微调之上再叠加强化学习收益有限，AndroidWorld 上 27B 模型在强化学习后反而从 80.8 略降到 79.9。成绩上，AndroidWorld 上 27B 从 67.1 提升到 79.9，9B 从 54.3 提升到 74，MobileWorld 上 27B 从 35.9 提升到 50.4，真机测试 SPA-Bench 上 27B 从 31.9 提升到 59.6，研究者称这是该榜单上开源模型的最好成绩。需要提醒的是，官方明确标注所有数字均为论文作者自测、尚无第三方独立复现，训练教师模型是闭源的 Gemini 3.1 Pro，训练环境重心在中国应用，在西方应用上的表现需要单独验证。

应用场景

1. 训练手机 GUI 智能体：用 11600 条轨迹加公开配方直接微调自有基座模型。
2. 跨 App 长任务研究：打车、外卖、比价、下单这类跨应用流程，可在可无限复位的沙盒里反复训练。
3. 评估 App 原生工具设计：同一批任务分别以「纯 GUI」和「GUI + 工具」两种模式跑，对比工具接口是否真的省步骤。
4. 国内高频应用研究：淘宝、京东、滴滴、美团等真实流程被做成了可公开复用的训练场。
5. 智能体评测：MobileGym++ Bench 用程序化判定替代模型裁判，减少评测本身的不确定性。

适用人群

做手机智能体、GUI Agent、computer-use 方向的算法与研究团队；需要在受控环境中复现移动端任务的实验室；关注跨应用任务编排的工程团队；国内做消费级智能体、希望利用真实高频应用数据的团队。

出品方

由南京大学牵头，联合西安交通大学、新加坡国立大学、香港大学、华东师范大学与商汤等机构共同完成，核心作者包括 Chenyang Yan、Zhengyuan Pan、Zheng Ma、Lewei Lu 与 Dahua Lin（后两位为通讯作者），并有 Kanzhi Cheng 担任项目负责人。模型与数据遵循 Apache-2.0 协议，项目主页正文采用 CC BY 4.0 许可；其中的 MobileGym++ 建立在 MobileGym 之上（代码 Apache-2.0、数据 CC BY-NC 4.0）。

更新动态

arXiv 论文于 2026 年 10 月 9 日提交，10 月 25 日经 The Decoder 等英文科技媒体报道集中进入视野。Hugging Face 上，9B 模型于 2026 年 9 月 28 日上架、27B 模型于 2026 年 9 月 29 日上架，10 月 10 日起出现社区 GGUF 量化版本（9B 与 27B）。同期还有 MAI-Gym、OpenGCUA 等开源 computer-use 与 GUI 训练栈在推进同一目标，OpenMobile-2 的差异在于把仿真环境本身做成了可复现的公开资产。

官方链接

项目主页：https://os-copilot.github.io/OpenMobile2-Home/ 代码仓库：https://github.com/OpenMobile2/OpenMobile2-Code 模型权重：https://huggingface.co/OpenMobile-2/OpenMobile-2-27B 数据集：https://huggingface.co/datasets/OpenMobile-2/OpenMobile-Data-v2 论文：https://arxiv.org/abs/2610.14157