AI Radar — лента📱 Открытые агенты научились управлять приложениями
Исследователи Нанкинского университета, SenseTime и других вузов выпустили OpenMobile-2. Крупная модель набрала 79,9 балла на AndroidWorld и 59,6 балла на SPA-Bench.
Что внутри. Выпустили модели на 9 и 27 млрд параметров, среду с 110+ приложениями, данные и инструкции для воспроизведения. Создали около 11 600 примеров рабочих сценариев и более 2 000 задач с автоматической проверкой.
Результаты. На SPA-Bench крупная модель выросла с 31,9 до 59,6 балла, а на MobileWorld — с 35,9 до 50,4. По оценке авторов, она стала лучшей открытой моделью на SPA-Bench и уступила только Gemini 3.1 Pro.
Разнообразие. При неизменном объёме обучающих данных рост числа разных приложений поднял долю решённых задач на незнакомых приложениях с 60,7 до 67,5%. Это показывает пользу разнообразия среды, но не сравнивает его с влиянием объёма данных.
Часть результатов получена на созданном авторами тесте из 215 задач, почти половина которых охватывает несколько приложений.
Что это значит: OpenMobile-2 показывает, что открытые агенты уже умеют управлять смартфоном не хуже прежних версий, а среда обучения стала заметно разнообразнее.
Оригинальная публикация в Telegram