---
title: "阿里通义开源Mobile-Agent-v3.5：跨平台GUI Agent框架，从演示级迈向工程级"
url: "https://paooo.com/aigc-news/11317/"
author: "Prompt 语宙研究院"
published_at: "2026-06-10T08:42:22+08:00"
updated_at: "2026-06-07T20:05:01+08:00"
categories: "AI 工具, AIGC 资讯"
tags: "GUI Agent, GUI-Owl-1.5, Mobile-Agent, MRPO算法, 阿里通义"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# 阿里通义开源Mobile-Agent-v3.5：跨平台GUI Agent框架，从演示级迈向工程级

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/11317/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-10

## AI 30 秒核心看点 (TL;DR)

- 原生支持 Android、Ubuntu、macOS、Windows 与浏览器统一自动化，覆盖多平台 GUI 操作。
- 通过混合数据飞轮、统一思维链合成和 MRPO 强化学习，提升长程任务稳定性与规划能力。
- GUI-Owl-1.5 提供 2B-235B 参数谱系，兼顾端侧低延迟与云端复杂推理部署。

> 
                **💡 站外导读：**随着多模态大模型和智能体技术快速发展，跨平台GUI自动化成为AI应用的关键瓶颈。传统方案常局限于单一平台或停留在演示阶段，难以满足真实复杂场景需求。阿里通义实验室开源Mobile-Agent-v3.5，旨在解决跨平台动作空间差异与长程任务训练不稳定等核心挑战，推动GUI Agent从演示级走向工程可用级，为开发者提供从基座模型到完整框架的全栈开源参考。

            

             
                        

## Mobile-Agent-v3.5是什么

Mobile-Agent-v3.5 是阿里巴巴通义实验室开源的新一代多平台GUI Agent框架，标志着开源GUI智能体从”演示级”迈向”工程可用级”。框架原生支持桌面、手机、浏览器三大平台，可跨Android、Ubuntu、macOS、Windows实现自动化操作。配套的GUI-Owl-1.5模型家族提供2B至235B多参数规模，并解耦出Instruct（轻量低延迟）和Thinking（强规划反思）两种变体，支持端侧到云端全链路部署。Mobile-Agent-v3.5在OSWorld-Verified、AndroidWorld、VisualWebArena等20多项主流GUI Benchmark上取得开源领域SOTA成绩，通过混合数据飞轮、统一思维链合成和MRPO多平台强化学习算法三大核心技术，解决了跨平台动作空间差异与长程任务训练不稳定等难题，为社区提供了从底层基座模型到Agent框架的完整开源技术参考。

## Mobile-Agent-v3.5的主要功能

- 
**跨平台GUI自动化**：原生支持桌面、手机、浏览器三大平台，实现Android、Ubuntu、macOS、Windows多端统一控制与自动化操作。

- 
**多参数模型覆盖**：配套GUI-Owl-1.5模型家族，提供2B/4B/8B/32B/235B多种参数规模，支持从端侧到云端的全链路部署方案。

- 
**双模式推理架构**：解耦出Instruct（轻量低延迟）和Thinking（强规划反思）两种变体，兼顾实时响应与复杂任务深度推理需求。

- 
**长程任务规划**：通过统一思维链合成技术，系统化注入工具/MCP调用、记忆管理、知识查询、多Agent协作等能力，支持复杂长程任务执行。

- 
**高性能基准表现**：在OSWorld-Verified（56.5）、AndroidWorld（71.6）、VisualWebArena（46.6）等20多项主流GUI Benchmark上取得开源领域SOTA成绩。

- 
**多模态感知理解**：具备视觉感知与语义理解能力，可识别界面元素、理解操作意图，实现精准的点击、输入、滑动等GUI交互。

- 
**强化学习优化**：采用MRPO多平台强化学习算法，解决跨平台动作空间差异导致的梯度冲突，提升长程任务训练稳定性。

## Mobile-Agent-v3.5的技术原理

- 
**混合数据飞轮（Hybird Data Flywheel）**：结合仿真环境与云端沙箱，规模化生成高质量grounding数据与长程轨迹，解决真实环境数据采集成本高、规模受限的难题。

- 
**统一思维链合成**：系统化注入工具/MCP调用、记忆管理、知识查询、多Agent协作等高级能力，让模型具备长程规划、反思与自我纠错能力。

- 
**MRPO多平台强化学习算法**：针对跨平台动作空间差异导致的梯度冲突问题，以及长程任务训练不稳定、信用分配困难等挑战，实现多平台统一训练与优化。

- 
**GUI-Owl-1.5基座模型**：作为原生多模态理解模型，提供从2B到235B的完整参数谱系，支持视觉感知与语义推理的端到端GUI交互**。**

- 
**双变体架构设计**：Instruct变体针对低延迟场景优化，Thinking变体强化规划与反思能力，两者解耦设计满足不同应用场景需求。

- 
**端到端训练框架**：从数据生成、模型训练到强化学习优化形成闭环，支持跨平台、跨任务的统一学习与迁移。

- 
**开源生态兼容**：基于Qwen3系列架构优化，兼容主流AI开发生态，支持ModelScope和HuggingFace模型仓库一键部署。

## Mobile-Agent-v3.5的项目地址

- **Github仓库**：https://github.com/X-PLUG/MobileAgent

## Mobile-Agent-v3.5的应用场景

- 
**智能设备自动化**：自动操作手机完成App使用、信息查询、设置调整等任务，如自动订外卖、查天气、管理日程。

- 
**跨平台办公辅助**：在Windows、macOS、Ubuntu桌面端自动执行文档处理、邮件发送、会议安排、数据录入等重复性办公任务。

- 
**网页自动化测试**：支持浏览器端自动化操作，适用于Web应用测试、表单填写、数据采集、电商比价等场景。

- 
**端侧AI助手部署**：借助2B/4B轻量模型，在手机、IoT设备等端侧实现低延迟的本地GUI自动化助手。

- 
**企业流程自动化**：结合RPA需求，自动化处理ERP、CRM等企业系统的界面操作，提升业务流程效率。

- 
**无障碍辅助工具**：帮助视障或操作受限用户自动完成复杂的界面交互，降低数字设备使用门槛。

                    
            
                

#### 📝 站长洞察 (Editor's Insight)

                Mobile-Agent-v3.5的开源标志着GUI智能体发展进入新阶段。其核心突破在于三点：一是通过MRPO算法统一多平台训练，解决了动作空间差异导致的梯度冲突；二是采用混合数据飞轮与统一思维链合成，系统化提升长程任务能力；三是提供从2B到235B的完整模型谱系，兼顾端侧与云端需求。这不仅降低了跨平台自动化开发门槛，更预示着AI Agent正从单一交互走向复杂环境自主执行。未来，随着多模态理解与强化学习结合深化，此类框架将加速企业流程自动化、智能办公等场景落地，成为人机交互的重要基础设施。

## 常见问题解答 (FAQ)

### Mobile-Agent-v3.5适合哪些自动化场景？
它适合手机、桌面和浏览器三类 GUI 自动化场景，包括 App 操作、办公流程处理、网页测试、数据录入、企业系统界面操作，以及无障碍辅助等。

### Mobile-Agent-v3.5为什么说是工程级GUI Agent？
因为它不只做演示，而是提供跨平台统一控制、完整模型谱系、长程任务训练方案和开源框架参考，并在多个主流 GUI Benchmark 上取得开源领域 SOTA。

### Mobile-Agent-v3.5的核心技术突破是什么？
核心在于 MRPO 多平台强化学习缓解动作空间差异带来的梯度冲突，配合混合数据飞轮和统一思维链合成，提升长程任务能力与训练稳定性。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
