覆盖桌面、移动和 Web，7B 模型超越同类开源选手，32B 模型挑战 GPT-4o 与 Claude 3.7， 通义实验室 全新 Mobile-Agent-v3 现已开源。 一眼看到实力：关键成绩速览。 备注：分数来源于公开基准，包括桌面 + 移动环境的任务规划、定位、推理、执行等全链路能力 开源地址：https://github.com/X-PLUG/MobileAgent 背景：为什么 GUI Agent 要这么强？ GUI 智能体，就像你的跨平台虚拟操作员，能看懂屏幕、点鼠标、敲键盘、滑手机，在办公、测试、RPA 等场景自动执行任务。然而，要实现这一愿景，现有方 案却面临重重挑战。它们往往能力割裂，比如精于定位 UI 元素却拙于长任务规划，或难以融入灵活的多智能体框架。 同时，许多方案严重依赖特定的硬件和操作系统，适配成本高昂；而依赖闭源模型的方案则缺乏灵活性，遇到全新任务时常常束手无策。 更现实的是，高昂的推理成本、多图输入带来的延迟以及部署困难，都成为阻碍 GUI 智能体广泛应用的瓶颈。 亮点一 对于那些模型反复尝试依旧失败的困难任务，系统还会启动 困难任务指南生成模块 。它会分析已有的成功轨迹（ ...