发布日期

OpenMobile-2：开源手机智能体，强调应用多样性并给出 AndroidWorld 等分数

南京大学、商汤等提出 OpenMobile-2：MobileGym++ 重建约 35 款商业风应用并与模拟器合计逾 110 应用；公开约 1.16 万条演示轨迹与 2000+ 可自动验证 RL 任务；基于 Qwen3.5-9B 与 Qwen3.6-27B。论文报告 AndroidWorld 79.9、MobileWorld 50.4，真机 SPA-Bench 由 31.9 升至 59.6；同数据预算下增加应用种类比堆同应用样本更能提升未见应用成功率。教师轨迹称来自 Gemini 3.1 Pro；混合 GUI+应用原生工具为实验设定。

深蓝背景斜置青色手机，周围彩色圆角应用图标沿轨道环绕
Decoder 报道配图：深蓝底上青色手机与环绕的购物/相机/地图等应用图标。图源：THE DECODER

论文 OpenMobile-2（arXiv:2610.14157，v1 标注 2026-10-09 提交；作者单位包括南京大学、商汤、港大、西交大等）把手机智能体落后归因于开放社区缺少可重置、可验证的大规模交互环境。作者发布 MobileGym++：重建 35 个功能较完整的商业风格模拟应用（报道举例淘宝、京东、滴滴、美团及 Slack、Google Drive 等），再与 Android 模拟器中新配置的应用合计形成逾 110 个应用的操场；状态可持久、可跨应用、可一键重置，智能体侧只看截图。

数据与模型方面，作者称整理近 1.2 万条（主页写 11.6K）手机交互轨迹做监督微调，以及逾 2000 个带自动奖励的可执行 RL 任务；智能体骨干为 Qwen3.5-9B 与 Qwen3.6-27B。Decoder 写明演示轨迹由 Google Gemini 3.1 Pro 作为教师模型生成。基准（论文/摘要数字）：AndroidWorld 上较大模型报 79.9（Decoder 称由 67.1 升至 79.9；较小模型 54.3→74）；更难的 MobileWorld 报 50.4（Decoder：35.9→50.4）；真机 SPA-Bench 由 31.9 升至 59.6，作者称接近开放模型前列。数字均为论文/报道主张。

分析结论强调：在固定数据量下，增加训练时见过的应用种类，比在少数应用上堆更多轨迹更能提升未见应用成功率（Decoder 复述：未见应用成功率由 60.7% 提到 67.5%）。实验性「混合 GUI + 应用原生工具」在 MobileGym++ 为 50+ 应用暴露逾 300 个原生工具；未经针对性训练时模型常忽略捷径，训练后 Decoder 称最多可多解约 10.3 个百分点任务并少约 5 步。代码仓 OpenMobile2/OpenMobile2-Code 与项目主页列出数据、权重与环境发布计划。THE DECODER 于 2026-10-25 做了公开综述。

来源

  1. OpenMobile-2: Building Versatile Mobile Agents with Scalable Environments and App-Native Tools — arXiv
  2. OpenMobile-2 PDF — arXiv
  3. OpenMobile-2: Building Versatile Mobile Agents with Scalable Environments and App-Native Tools — OpenMobile-2 project home
  4. GitHub - OpenMobile2/OpenMobile2-Code — GitHub / OpenMobile2
  5. OpenMobile-2 proves open-source smartphone agents can rival proprietary models — THE DECODER

专题：GitHub

相关报道

在 ？ 中打开这篇 →