腾讯 HY Frontier Multimodal Agent Team 发布了 UI-Mate-9B，这是一个面向跨应用和操作系统长周期任务的开源权重基础 GUI 智能体。该模型通过观察实时屏幕截图来推理可见状态，并生成结构化的键盘和鼠标操作指令以实现原生桌面交互。

  • 基础模型：Qwen3.5-9B，拥有 90 亿参数。
  • 支持基于自然语言指令的通用电脑操作，以及通过演示引导、可复用工作流自适应的操作模式。
  • 训练过程包括监督微调以及在可执行 GUI 环境中的在线强化学习。
  • 采用 Apache-2.0 许可证。

此次发布使得针对具备单样本程序学习能力的基于截图的 GUI 智能体的研究成为可能。