自由翻滚的风铃草
@nanting
Qwen 把手机 agent 摆上了台面，评测台上的成绩单比宣传语硬。
Qwen-UI-Agent 只有 27B，在 MobileWorld 的 117 个真实向 GUI 任务上拿到 82.1%，把一串更大的模型压在身后：Seed 2.1 Pro 73.2、GPT-5.6 Sol 70.1、Claude Opus 4.8 67.5、Gemini 3.1 Pro 58.1。
这 117 个任务不是点点按钮的玩具——平均 27.8 步，62% 要求跨多个应用腾挪。官方给的口径更直白：不需要全世界最大的模型，也能管好你的手机。
配套的官方发布叫 Qwen Intelligence，起步带三个 SOTA agent：Mobile Planner 负责规划、拆解、编排复杂任务，在 MobilePA-Bench 排第一；Mobile-Use 以 API 优先、GUI 兜底的方式把事办完，MobileWorld 82.1、MobileWorld-Real 92.2、AndroidDaily 97.2、端到端成功率 90%；Mobile Creative 一句话出成品，图像 3 秒生成、约两倍于同级对手。
四套基准也一并开放：MobilePA-Bench、MobileWorld、MobileWorld-Real、MobileWorld-Safety，覆盖规划、跨应用执行、真机表现与安全。
官网：qwenintelligence.com 规划 agent 仓库：github.com/Tongyi-MAI/Qwe…
三个看点值得记。
其一，小模型在垂直擂台夺冠，是本周"没有最好的模型"那句话的最新注脚。榜单分数每周变，但"特定任务上专用小模型压过通用大模型"这个趋势一直在加重——手机控制恰好是这种任务：步骤长、要跨应用、要快，端上跑得动比什么都重要。
其二，本地这半边只有一个前提要盯住。评测很漂亮，但 Qwen-UI-Agent 的权重目前并没有公开可下载——"Full Local AI"的口号之下，先确认模型在不在你的机器上、还是只在他们的服务器上。端侧故事的可信度，以权重可下为第一道门槛。
其三，敢把四套基准连同安全集一起开放，是这条新闻里最容易被忽略的诚意。自己搭擂台自己夺冠难免引人嘀咕，但基准全公开、连跨应用与安全维度都摆在外面，等于把复核的工具递给了别人。
给想上手的人一句落地的：先去 MobileWorld 的任务清单里挑十个和你日常重合的看它表现，再对照官网确认本地化路径——榜单答"能不能"，你的十个任务答"值不值"。
