Alibaba、画面操作エージェント基盤モデル Qwen-UI-Agent を公開
Alibaba の MAI-UI チームが、スマートフォン・PC・Webブラウザをまたいで画面を操作する基盤 GUI エージェント「Qwen-UI-Agent」の技術レポートとリポジトリを公開した。モバイル系ベンチマークでは GPT-5.6 Sol や Claude Opus 4.8 を上回る一方、デスクトップ環境の OSWorld 系では及ばない結果となっている。
何が発表されたか
Alibaba の MAI-UI チームが、GUI 操作に特化した基盤モデル「Qwen-UI-Agent」の技術レポートを公開した。スマートフォン、デスクトップPC、Webブラウザを横断して、視覚的にインターフェースを認識しながらタスクを完遂することを狙う「real-world-centric」な設計を掲げている。
技術レポートで示された主なベンチマーク結果は次のとおり。
- MobileWorld: Qwen-UI-Agent 82.1% / GPT-5.6 Sol 70.1%
- MobileWorld-Real: Qwen-UI-Agent 92.2% / GPT-5.6 Sol 85.4%
- OSWorld-Verified: Qwen-UI-Agent 79.5% / GPT-5.6 Sol 78.7% / Claude Opus 4.8 83.4%
- OSWorld-v2: Qwen-UI-Agent 40.0% / Claude Opus 4.8 54.8%
つまりモバイル画面の操作では明確に優位、デスクトップ環境では既存の上位モデルに届いていない、という分布になる。コードとレポートは GitHub の Tongyi-MAI/MAI-UI で公開されている。技術レポートページにはモデルサイズとライセンスの記載がない。
開発者への影響
GUI エージェントは「管理画面の定型操作を自動化したい」というWeb制作・EC運用の需要に直結する領域だ。今回の結果で注目したいのは、モバイルとデスクトップでスコアが大きく割れている点である。スマホアプリの操作検証やモバイル表示のチェックには使える水準に近づいている一方、デスクトップの複雑な業務アプリを任せるにはまだ差がある。
実務に落とすなら、まずは「モバイル実機での表示・導線チェック」「スマホアプリ経由の在庫や受注確認」といった、失敗しても被害が小さくモバイル寄りのタスクから試すのが妥当だろう。
補足
モデルサイズ・ライセンス・提供形態が技術レポートページに明記されていないため、商用利用の可否は GitHub リポジトリ側の記載を確認する必要がある。ベンチマーク値は開発元による自己申告である点にも留意したい。