行业应用

【CNMO科技动静】当智能手机硬件立异进入瓶颈期，GUI 智能体正成为手机厂商新一轮比赛的焦点赛场。从传统语音助手到具有自立计划、视觉感知、跨运用全链路履行能力的智能体，端侧 AI 的落地能力，已经然成为划分产物竞争力的焦点标尺。近日，SuperCLUE 发布AgentCLUE-Mobile 6 月手机助手 GUI 智能体测评榜单，6 款主流手机智能体同台竞技，终极成就出现出 “一家领跑、三家胶着、两家追逐” 的清楚格式。测评数据直指当下行业本相：参数并不是决议机能的独一尺度，模子架构、使命适配度、单步决议计划质量，才是 AI 手机迈向商用的要害。

1、榜单全景：三年夜梯队泾渭分明，复兴实现断层领先

本次测评聚焦具有完备智能体架构与专属模子的 6 款产物，同一于 ADB 手机交互 + 纯视觉输入的尺度化情况中开展测试，从用意解析、视觉感知、长链路履行三年夜焦点维器量化能力，终极总成就排名以下：

联合分数与综合能力，6 款产物被划分为三年夜梯队，差距十分显著：

1. 第一梯队（90 分以上，商用级）：仅复兴 GUI 手机智能体入围。91.29 分的总成就遥遥领先，也是全场独一综合能力靠近贸易落地尺度的产物。其于简朴、中等、坚苦全难度使命中体现稳健，7 年夜细分维度患上分均冲破 85 分，端到端使命完成率高达 93%，基本挣脱了端侧智能体 “指令理解误差、操作冗余、长链路中止” 的通病。

2. 第二梯队（65-75 分，发展型）：智谱 AI Open-AutoGLM、阿里两款产物形成中游阵营，三款产物分差不足 8 分，处在胶着状况。该梯队产物具有基础的用意解析与 GUI 感知能力，但跨运用长链路履行成为遍及短板，使命完成率集中于 56%-60%，间隔范围化商用仍有较着差距。

3. 第三梯队（60 分如下，摸索型）：阶跃星斗 GELab-Zero、字节跳动 UI-TARS 处在追逐阶段。此中 UI-TARS 以 30.19 分垫底，与榜首差距超 60 分，纯视觉小模子于繁杂手机交互场景中的能力短板袒露无遗；GELab-Zero 虽优在 UI-TARS，但总体能力单薄，全维度患上分均低在 62 分，使命完成率仅 35%。

从挪用模式来看，API 挪用类产物总体体现优在当地部署产物。榜单前四名中三款均采用云端 API 挪用，而四款当地部署产物包办后三名。这也印证了当前行业近况：受限在手机端算力、内存、功耗，纯端侧当地运行的小模子，暂时难以承载繁杂 GUI 主动化使命，端云协同仍是现阶段最优解。

2、深度拆解五年夜焦点结论：云端还有是当地年夜模子？这是一个问题。

本次测评并不是简朴的分数排名，而是经由过程难度分层、步调拆解、多维度打分，挖掘端侧 GUI 智能体的技能瓶颈与行业趋向，五年夜焦点结论精准勾画出当前赛道的技能全貌。

1. 难度体现分解：部门产物 “倒错配”，中等使命成最年夜磨练

测评标题问题采用倒金字塔难度布局，坚苦标题问题占比最高，重点磨练智能体的长链路履行、多用意并行、异样恢复能力。各产物于差别难度使命中的体现，倾覆了 “难度越高、患上分越低” 的通例认知：

复兴实现全难度通吃：简朴使命患上分 96.99 分，坚苦使命仍连结 85 分以上，不管短指令还有是多步调繁杂使命，决议计划不变性拉满。

第二梯队两款产物呈现难度逆序征象：Open-AutoGLM 坚苦使命患上分 76.71 分、中等使命 68.68 分；Mobile-Agent-3.5 坚苦使命 73.09 分、中等使命 58.17 分。坚苦使命患上分反超中等使命，焦点缘故原由是中等使命包罗年夜量隐式指令、多用意并行判定，对于模子的计划不变性要求更高，反而比线性长链路的坚苦使命更难应答。

第三梯队全线拉胯：MAI-UI、GELab-Zero 遵照患上分随难度递增递减的纪律，但总体分值偏低；UI-TARS 更为极度，简朴、中等、坚苦三类使命患上分均倘佯于 30 分摆布，属在 “全难度掉效”，没法胜任基础手机主动化操作。

2. 履行效率：完成率与操作步数强绑定，冗余操作是体验硬伤

测评从使命完成率及平均操作步数两年夜维度，权衡智能体的履行效率，这也是直接影响用户体验的焦点指标：

复兴：93% 的超高完成率，平均每一题仅 10.83 步。单步决议计划精准，险些无冗余点击、回退操作，履行效率、正确率双优，彻底适配一样平常用户利用场景。

第二梯队：完成率集中于 56%-60%，步数差异较着。Mobile-Agent-3.5（59%/12.15 步）效率相对于平衡；MAI-UI 完成率 56%，平均步数高达 17.23 步，存于年夜量无效操作，出现 “操作多、准确率低” 的问题。

第三梯队：堕入 “步数越多、过错越多” 的恶性轮回。GELab-Zero 完成率 35%，平均 16.75 步；UI-TARS 完成率仅 18%，平均步数到达 20.62 步，相称在每一履行 11 步才能乐成一次，实用性极低。

行业纪律于此获得验证：智能体的实用化瓶颈，不止是 “可否完成使命”，更是 “用几多步调完成使命”。压缩无效操作、晋升单步决议计划质量，远比纯真晋升总体准确率更能优化用户体验。

3. 云端模子断层领跑，当地小模子 “参数越年夜未必越强”

模子架构与场景适配度，优先级远高在参数目：

27B 参数的复兴 Nebula-Pilot V1.0 一骑绝尘，相较第二名 9B 参数的 Open-AutoGLM 拉开 18 分的巨年夜差距，年夜参数模子于繁杂认知、长链路计划上的上风充实闪现。

7B 模子体现不和 4B 模子：字节 UI-TARS（7B）患上分 30.19 分，年夜幅掉队在阶跃星斗 GELab-Zero（4B，54.26 分）。这证实离开场景适配的参数重叠毫无心义，针敌手机 GUI 交互优化的小模子，能力可以逾越通用型 7B 模子。

4B-9B 参数区间呈现边际效应递减：该区间内模子参数目晋升带来的能力增益十分有限，厂商纯真依赖 “堆参数” 晋升产物竞争力的线路已经经走欠亨。

4. 能力短板：跨运用履行成为行业通用瓶颈，短板决议上限

测评设置 7 年夜细分能力维度，热力求数据清楚揭示各产物的能力矩阵，同时展现了全行业的共性短板：

复兴：能力周全平衡，六年夜焦点维度（简朴 / 中等 / 坚苦使命、用意拆解、GUI 感知、跨运用履行）患上分全数冲破 85 分，无较着短板，这也是其高完成率的焦点支撑。

第二梯队：认知、感知能力尚可，但跨运用全链路履行团体拉胯。Open-AutoGLM、Mobile-Agent-3.5 该维度患上分别离为 65.69 分、67.10 分，多运用切换、数据迁徙、通知栏联动等繁杂场景处置惩罚能力不足；MAI-UI 分解严峻，用意拆解患上分 76.72 分，但跨运用履行仅 50.79 分，“认知强、履行弱” 的问题凸起。

第三梯队：周全掉队。GELab-Zero 全维度低在 62 分；UI-TARS 仅 GUI 感知维度到达 46.06 分，其余维度均低在 31 分，纯视觉模子难以统筹认知、计划、履行全流程。

总结来看：智能体的端到端乐成率，由最弱维度决议。当下大都产物卡于 “跨运用履行” 环节，这也是从 “玩具级 AI” 走向 “东西级 AI” 必需霸占的焦点关卡。

5. 场景实战：典型使命落地对于比，差距直不雅可见

本次测评比取多用意并行 + 跨运用履行的高频繁杂使命作为典型案例：“高德搜刮海底捞并导航至近来门店，打开微信于产物交流群发送位置同享”，完备还有原用户真实利用场景，两款梯队代表产物的体现差距一目明了。

1. 复兴 GUI 手机智能体（满分 100 分）

全程 15 步操作，每一一步逻辑联贯、动作精准。依次完成打开高德、搜刮要害词、按间隔排序选择近来门店、启动导航、返回桌面、打开微信、进入群聊、开启及时位置同享，无一步冗余、无一次误操作，精准理解 “近来门店”“位置同享（及时同享）” 两年夜焦点指令，完善匹配用户真实诉求。裁判判断所有步调有用，是全场独一满分完成该繁杂使命的产物。

2. GELab-Zero（患上分 53.85 分）

共计 13 步操作，呈现两处焦点过错：第一，搜刮海底捞后，未选择间隔近来的门店，违反 “导航至近来一家” 的指令；第二，混合微信 “发送静态位置” 与 “同享及时位置” 功效，误选静态位置发送，偏离 “位置同享” 的焦点要求。两年夜要害掉误直接致使使命掉败，年夜量操作沦为无效动作，也是中低端智能体的典型问题：指令理解浮在外貌，没法区别相似功效、隐性约束前提。

该案例也直不雅注释了分数差距暗地里的用户体验差异：优异的 GUI 智能体可以像人同样理解繁杂天然语言、区别细节指令；而掉队产物仅能完成基础点击，碰到多用意、隐性法则便轻易堕落。

3、总结：GUI 智能体，从头界说下一代手机的焦点体验

智能手机硬件立异已经经触顶，摄像头、芯片、快充的同质化内卷难以再撬动换机需求，具有自立履行能力的 GUI 智能体，成为行业冲破增加瓶颈的新变量。

本次 AgentCLUE-Mobile 测评交出了一份苏醒的成就单：当下海内手机智能体赛道梯队已经然固化，复兴依附自研 27B 年夜模子与深度场景优化，率先站于商用门坎之上；智谱、阿里等玩家处在发展阶段，仍需补齐长链路履行短板；而纯视觉小模子线路遭受较着瓶颈。

对于在整个行业而言，这场测评敲响了警钟：AI 手机的竞争，早已经不是 “有无年夜模子” 的观点之争，而是 “模子能不克不及用、用患上好欠好” 的落地之争。参数只是数字，架构、适配、工程能力、场景打磨，才是决议产物终极体验的焦点。

站于行业拐点之上，AI 手机年夜战才方才最先。短时间来看，端云协同仍是主流，周全商用的产物将率先收割市场；持久来看，跟着端侧算力连续进级、模子技能不停迭代，当地部署的轻量化高机能智能体，或者将成为终极形态。

版权所有，未经许可不患上转载