В статье представлен GUI-Owl-1.5, нативная модель GUI-агента, имеющая варианты instruct и thinking в размерах от 2B до 235B параметров. Она поддерживает несколько платформ, включая десктопные, мобильные и браузерные среды, что обеспечивает облачно-периферийное взаимодействие (cloud-edge collaboration) и взаимодействие в реальном времени.
- Достижение state-of-the-art результатов на более чем 20 GUI-бенчмарках среди open-source моделей: 56.5 на OSWorld, 71.6 на AndroidWorld и 48.4 на WebArena для задач автоматизации.
- Показатель 80.3 на ScreenSpotPro для задач grounding, 47.6 на OSWorld-MCP и 46.8 на MobileWorld для tool-calling, а также 75.5 на GUI-Knowledge Bench для задач памяти и знаний.
- Внедрение Hybrid Data Flywheel с использованием симулированных и облачных sandbox-сред для повышения эффективности и качества сбора данных.
- Использование единого пайплайна thought-synthesis для улучшения способностей к рассуждению, с фокусом на использовании Tool/MCP, памяти и адаптации multi-agent.
- Предложение алгоритма RL MRPO для решения конфликтов между платформами и низкой эффективности обучения в long-horizon задачах.
Модели GUI-Owl-1.5 открыты (open-sourced), доступна онлайн cloud-sandbox демонстрация.