论文详情 - MAI-UI技术报告：以现实世界为中心的基础GUI智能体

来源：https://huggingface.co/papers/2512.22047

摘要

GUI智能体的发展可能彻底改变下一代人机交互。基于这一愿景，我们提出了MAI-UI——一个覆盖全尺寸谱系（包括2B、8B、32B和235B-A22B变体）的基础GUI智能体家族。我们识别出真实场景部署的四大关键挑战：缺乏原生的智能体-用户交互、仅限UI操作的局限性、实用部署架构的缺失以及动态环境中的脆弱性。MAI-UI通过统一方法论应对这些问题：一个自我演进的数据管线，将导航数据扩展以涵盖用户交互和MCP工具调用；一个原生的设备-云端协作系统，根据任务状态路由执行；以及一个采用高级优化技术的在线强化学习框架，用于扩展并行环境和上下文长度。MAI-UI在GUI定位和移动导航领域确立了新的技术前沿。在GUI定位基准测试中，其在ScreenSpot-Pro上达到73.5%、MMBenchGUIL2上91.3%、OSWorld-G上70.9%、UI-Vision上49.2%，超越了Gemini-3-Pro和Seed1.8在ScreenSpot-Pro上的表现。在移动GUI导航方面，其在AndroidWorld上创下76.7%的新最优记录，超过了UI-Tars-2、Gemini-2.5-Pro和Seed1.8。在MobileWorld上，MAI-UI取得41.7%的成功率，显著优于端到端GUI模型，并与基于Gemini-3-Pro的智能体框架表现相当。我们的在线强化学习实验表明，将并行环境从32扩展到512（+5.2个百分点）以及将环境步数预算从15增加到50（+4.3个百分点）带来了显著提升。最后，原生的设备-云端协作系统将设备端性能提升33%，将云端模型调用减少超过40%，并保护了用户隐私。

查看arXiv页面 (https://arxiv.org/abs/2512.22047) 查看PDF (https://arxiv.org/pdf/2512.22047) GitHub2.02k自动 (https://github.com/Tongyi-MAI/MAI-UI) 添加至收藏 (https://huggingface.co/login?next=%2Fpapers%2F2512.22047)

将此论文加入你的智能体：
hf papers read 2512.22047

尚未安装最新CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型 6个

Tongyi-MAI/MAI-UI-8B 图文转文本• 9B• 更新于1月9日 • 2.89k • 199 (https://huggingface.co/Tongyi-MAI/MAI-UI-8B)

mlx-community/MAI-UI-8B-bf16 图文转文本• 9B• 更新于3月20日 • 37 (https://huggingface.co/mlx-community/MAI-UI-8B-bf16)

mlx-community/MAI-UI-8B-6bit 图文转文本• 2B• 更新于3月20日 • 22 (https://huggingface.co/mlx-community/MAI-UI-8B-6bit)

mlx-community/MAI-UI-8B-4bit 图文转文本• 2B• 更新于3月20日 • 32 (https://huggingface.co/mlx-community/MAI-UI-8B-4bit)

浏览6个引用本文的模型 (https://huggingface.co/models?other=arxiv:2512.22047) ## 引用本文的数据集 0个
暂无链接到本文的数据集

在数据集的README.md中引用 arxiv.org/abs/2512.22047 以从本页面建立链接。

引用本文的Spaces 0个

暂无链接到本文的Space

在Space的README.md中引用 arxiv.org/abs/2512.22047 以从本页面建立链接。

包含本文的收藏 6个

浏览6个包含本文的收藏 (https://huggingface.co/collections?paper=2512.22047)