本文介绍了 GUI-Owl-1.5，这是一个原生 GUI 智能体模型，具有 instruct 和 thinking 变体，参数量范围从 2B 到 235B。它支持包括桌面、移动和浏览器环境在内的多个平台，以实现 cloud-edge collaboration 和实时交互。

  • 在开源模型的 20 多个 GUI benchmark 中取得 state-of-the-art 结果，自动化任务在 OSWorld 上得分为 56.5，AndroidWorld 上为 71.6，WebArena 上为 48.4。
  • grounding 任务在 ScreenSpotPro 上达到 80.3，tool-calling 在 OSWorld-MCP 上为 47.6，MobileWorld 上为 46.8，GUI-Knowledge Bench 上的记忆和知识任务得分为 75.5。
  • 利用 Hybrid Data Flywheel，结合模拟和基于云 sandbox 环境，提高数据收集的效率和质量。
  • 利用统一的 thought-synthesis pipeline 增强推理能力，重点关注 Tool/MCP 使用、记忆和多智能体适配 (multi-agent adaptation)。
  • 提出 MRPO 环境 RL 算法，以解决 long-horizon 任务中的多平台冲突和低训练效率问题。

GUI-Owl-1.5 模型已 open-sourced，并提供在线 cloud-sandbox demo。