Mobile-Agent（X-PLUG/MobileAgent）是阿里巴巴通义实验室（Tongyi Lab）推出的 GUI 智能体系列工作合集，目标是让多模态大模型「看屏幕、点界面」自动完成手机/桌面/浏览器上的操作任务。仓库汇集了从初代 Mobile-Agent 到 v2、v3、v3.5 的多代框架，以及配套的基础模型 GUI-Owl/GUI-Owl-1.5（基于 Qwen3-VL，2B/4B/8B/32B/235B，Instruct 与 Thinking 版）和多项研究（UI-S1、GUI-Critic-R1、PC-Agent、ToolCUA 等）。许可为 MIT，约 8,710 stars，并提供在线 Demo 与百炼 API。
来源：官方 README 与文档入口 查看 GitHub 仓库 →GUI/Computer-Use Agent 是当下热点，而 Mobile-Agent 是该方向较早且持续产出的代表：初代被 ICLR 2024 Workshop 接收、v2 入选 NeurIPS 2024，配套的 GUI-Owl-1.5 宣称在 20+ GUI benchmark 上取得 SOTA，且有阿里云无影云手机、ModelScope/百炼在线 Demo 降低体验门槛，更新频繁（2026 年 5 月仍在迭代 ToolCUA）。这些学术认可、开源模型权重与可直接试用的入口共同带来关注。SOTA 等指标来自其技术报告，应以原文与第三方复现为准。截至数据采集约 8,710 stars。
来源：官方 README 与文档入口通过多模态模型理解屏幕并执行点击/输入等操作，覆盖移动、桌面与浏览器场景。
来源：官方 README 与文档入口Mobile-Agent-v3/v3.5 在 GUI-Owl 之上提供规划、进度管理、反思与记忆，支撑长程任务。
来源：官方 README 与文档入口GUI-Owl/GUI-Owl-1.5 基于 Qwen3-VL，多尺寸（2B–235B）开放权重，含 grounding、工具/MCP 调用能力。
来源：官方 README 与文档入口提供 ModelScope/百炼在线 Demo 与无影云手机环境，及百炼上的 v3.5 API，可免本地部署快速体验。
来源：官方 README 与文档入口仓库是「模型 + 多代框架」的系列工程，按子目录组织各代工作：Mobile-Agent-v3/v3.5 是基于 GUI-Owl 的跨平台多智能体框架，提供规划、进度管理、反思与记忆等能力；GUI-Owl/GUI-Owl-1.5 是底层多模态 GUI 基础模型，具备界面感知、grounding 与端到端操作能力，支持桌面/移动/浏览器自动化及工具/MCP 调用、长程记忆。其余子目录为研究产物：UI-S1（半在线 RL）、GUI-Critic-R1（操作前错误诊断）、ToolCUA（GUI-工具路径编排，两阶段训练）等。整体以 Python 实现，并在 OSWorld、AndroidWorld、真实手机等环境提供评测代码。
来源：官方 README 与文档入口GUI-Owl / GUI-Owl-1.5（基于 Qwen3-VL）多模态大模型推理OSWorld / AndroidWorld 评测环境适合做 GUI/Computer-Use Agent 研究与应用的团队：用 GUI-Owl 模型做界面感知与 grounding，用 Mobile-Agent 框架做手机/桌面/浏览器的端到端任务自动化（如表单填写、应用操作、跨应用流程）；也适合在 OSWorld/AndroidWorld 等 benchmark 上复现与评测，或作为 GUI agent 训练（半在线 RL、错误诊断、工具编排）的参考实现。落地真实自动化需结合权限、稳定性与安全评估。
来源：官方 README 与文档入口本页未列单一版本号；近期节奏：2026.5.12 发布 ToolCUA（GUI-工具路径编排，两阶段训练）；2026.3 起 GUI-Owl-1.5 上线在线推理与无影云手机；2026.2.14 发布 GUI-Owl-1.5（基于 Qwen3-VL，2B–235B，Instruct/Thinking）。仓库最后更新约在 2026 年 5 月，更新以各子项目论文/代码/权重发布为主。
来源：官方 README 与文档入口Mobile-Agent 是阿里通义实验室在 GUI/Computer-Use Agent 方向的系列开源工作：以 GUI-Owl 基础模型 + Mobile-Agent 多智能体框架双线推进，覆盖移动/桌面/浏览器自动化，配套多项被顶会接收的研究与可直接试用的 Demo/API，更新活跃、生态完整，对该方向研究者很有参考价值。需注意 SOTA 指标来自自家报告需复现佐证、代际与子项目较多需先理清版本、真实设备自动化有权限与稳定性成本。作为 GUI agent 的开源参考体系，它分量足、入口友好。
来源：官方 README 与文档入口