💡
原文中文，约2300字，阅读约需6分钟。
📝
内容提要
阿里通义实验室推出开源项目MAI-UI，旨在实现AI对手机的直接操控。该项目在GUI定位和任务执行方面表现出色，能够识别屏幕内容并完成复杂操作。MAI-UI支持多种参数变体，具备主动询问用户信息和与外部应用集成的能力，适应动态环境。目前已开源2B和8B版本，用户可通过GitHub获取体验。
🎯
关键要点
- 阿里通义实验室推出开源项目MAI-UI，旨在实现AI对手机的直接操控。
- MAI-UI在GUI定位和任务执行方面表现出色，超越了Gemini-3-Pro和Seed1.8。
- 项目包含多种参数变体，如2B、8B、32B和235B-A22B。
- MAI-UI具备高水平的屏幕识别能力和复杂任务执行能力。
- 在AndroidWorld基准测试中，MAI-UI创造了76.7%的成功率记录。
- MAI-UI设计了原生人机互动机制，能主动询问用户信息。
- 通过MCP工具，MAI-UI能够与外部应用和真实世界数据深度集成。
- 独创的设备-云混合协作架构，智能决定任务处理方式。
- MAI-UI通过在线强化学习框架不断进化，适应动态环境。
- 目前已开源2B和8B版本，用户可通过GitHub获取体验。
❓
延伸问答
MAI-UI的主要功能是什么？
MAI-UI能够识别手机屏幕内容并完成复杂操作，支持主动询问用户信息和与外部应用集成。
MAI-UI与其他AI模型相比有什么优势？
MAI-UI在GUI定位和任务执行方面表现优越，成功率超过Gemini-3-Pro和Seed1.8。
如何获取和使用MAI-UI？
用户可以通过GitHub克隆MAI-UI的2B和8B版本，并按照说明启动API服务。
MAI-UI如何处理复杂任务？
MAI-UI通过原生人机互动机制和MCP工具，能够主动询问用户并与外部应用深度集成。
MAI-UI的成功率如何？
在AndroidWorld基准测试中，MAI-UI创造了76.7%的成功率记录。
MAI-UI的设计理念是什么？
MAI-UI旨在打破AI助手的局限，使其能够直接操控手机并适应动态环境。
➡️
