开源手机 agent 摸到了闭源的门，差的是真机稳定性

让 AI 替你点手机屏幕这件事，开源模型一直追着闭源跑。这周开源这一侧追近了一大步。

一、发生了什么

据 the-decoder 10 月 25 日报道，南京大学、商汤科技等多家机构的研究者发布了 OpenMobile-2。这是两个开源手机智能体，底座分别是 90 亿和 270 亿参数的千问系列模型，训练环境、数据、复现说明全部公开，论文挂在 arXiv 上。

难点在于练手的地方。真实应用没法反复折腾：要登录、会真花钱、状态没法重置。团队干脆重建了 35 个应用，多数是国内日常用的电商、打车、外卖类服务，加上少数国际办公工具，再并入已有的模拟器和安卓虚拟机，凑出一个超过 110 个应用的练习场。每个模拟应用的状态都能一键还原，智能体只能看到屏幕截图，和人用手机的视角一致。

成绩单上，大号模型在 AndroidWorld 基准从 67.1 涨到 79.9；在跨越多个应用的长任务测试里从 35.9 涨到 50.4。提升最猛的是真机：SPA-Bench 从 31.9 跳到 59.6，论文称这是开源模型里目前最好的成绩，仅次于谷歌的旗舰闭源模型。

更有意思的是一个对照实验：数据总量不变，只增加练习用的应用种类，模型在没见过的应用上的成功率就从 60.7% 升到 67.5%。换句话说，让智能体多「见过世面」，比在几个应用里反复刷题更有用。

还有一处细节值得记下：教学示范是请谷歌的旗舰闭源模型生成的，等于开源阵营从闭源系统里学手艺。研究里还试了「直达指令」——超过 50 个模拟应用提供类似「加入购物车」的快捷接口，智能体不用一层层点菜单。经过针对性训练后，这类捷径让它多解出约 10 个百分点的任务，步骤还少五步左右。不过这些接口目前只存在于模拟器里，真实应用并不会开放给你。

二、跟你有什么关系

如果你是开发者，这两个模型可以本地部署、自由改造，做手机自动化工具不用再仰赖闭源接口，训练配方也全部可复现。

如果你是普通用户，还到不了「装上就能用」的阶段——工具指令那套玩法目前只在模拟环境里存在，真机上的成功率也只有六成上下，误触、误下单都有可能。

如果你关心开源生态，这组实验给出了一个便宜却反直觉的结论：与其堆同一批应用的数据，不如把应用的多样性铺开。

三、怎么判断

1. 看任务类型。固定流程的重复操作（比价、签到、整理截图）适合交给这类智能体试跑；涉及支付的步骤先保持人工确认。
2. 看披露口径。跑分分模拟器和真机两套，宣传里只报模拟器成绩的要打个问号，真机数字才有参考价值。
3. 看复现条件。开源发布是否附带环境、数据和评估脚本，决定它是「论文里的模型」还是「你手上的模型」。

四、三个别信的说法

错误说法一：开源已经赢了闭源。 真机成绩六成上下，闭源旗舰仍在其上，追近不等于追平。

错误说法二：数据越多越强。 本轮实验恰恰相反，固定数据量下应用种类才是变量，多样性比数量值钱。

错误说法三：再加一轮强化学习就封顶。 团队自己披露，后续强化学习收益有限，真机环节反而在部分基准上略微回落。

五、一句话结论

手机 agent 的瓶颈不在模型大小，而在练手环境的多样性，以及真机上最后那四成的稳定性。

信息来源

• OpenMobile-2 开源手机智能体报道（the-decoder）（2026-10-25）
• OpenMobile-2 论文（arXiv）（2026-10）

功能与价格以官方公告为准。本文写于 2026 年 10 月 26 日。