Tencent HY Frontier Multimodal Agent Teamは、アプリケーションやオペレーティングシステムにわたる長期タスク用に設計されたオープンウェイトの基盤GUIエージェントであるUI-Mate-9Bをリリースしました。このモデルはライブスクリーンショットを観察して可視状態を推論し、ネイティブデスクトップ操作のための構造化されたキーボードおよびマウスアクションを生成します。

  • ベースモデル: 90億パラメータを持つQwen3.5-9B。
  • 自然言語指示からの一般的なコンピュータ操作と、再利用可能なワークフローに適応するデモンストレーション誘導型操作をサポート。
  • 実行可能なGUI環境におけるオンライン強化学習に先立つ教師ありファインチューニングにより訓練。
  • Apache-2.0ライセンス。

今回のリリースにより、ワンショット手続的学習能力を備えたスクリーンショットベースのGUIエージェントに関する研究が可能になります。