MobileAgent（Mobile-Agent）是阿里巴巴集团通义实验室（Tongyi Lab）推出的 GUI 智能体（GUI Agent）系列项目，旨在构建能够自主操作图形用户界面的 AI 智能体家族。项目托管于 GitHub，持续发布多个版本与配套模型。
【用途】 Mobile-Agent 系列用于让 AI 智能体在手机、电脑和浏览器等平台上执行多步骤的 GUI 操作任务。例如：搜索股票价格并在 WPS Office 中创建表格填入数据；在 WPS Office 中创建文档并插入从浏览器复制的图片；在携程上搜索航班和火车票并比较价格；查看小红书和抖音账号的粉丝总数等。这些示例展示了其跨应用、跨平台的自动化能力。
【主要能力】
- 多平台支持：覆盖桌面（PC）、移动端（Android）和浏览器自动化。
- 多智能体框架：Mobile-Agent-v3 是基于 GUI-Owl 的跨平台多智能体框架，提供规划（planning）、进度管理（progress management）、反思（reflection）和记忆（memory）等能力。
- GUI-Owl 基础模型：GUI-Owl 是多模态跨平台 GUI VLM，具备 GUI 感知、定位（grounding）和端到端操作能力。GUI-Owl-1.5 系列基于 Qwen3-VL 构建，提供 2B/4B/8B/32B/235B 参数规模，包含 Instruct 与 Thinking 版本，支持桌面/移动/浏览器自动化，在 20 多个 GUI 基准测试中取得 SOTA 结果，在端到端任务、定位、工具/MCP 调用和长时记忆方面表现强劲。
- 工具调用与 MCP：支持工具/MCP 调用，并发布了 OSWorld-MCP 基准用于评估真实场景下的 MCP 工具调用能力。
- ToolCUA：端到端 Computer Use Agent，用于优化 GUI-工具路径编排，采用两阶段训练流程（轨迹感知工具合成 → 在线智能体强化学习），掌握何时使用 GUI 操作、调用工具以及切换。
- 其他研究成果：UI-S1（半在线强化学习推进 GUI 自动化）、GUI-Critic-R1（术前错误诊断的 GUI 评论器）、PC-Agent（多模态 PC 操作多智能体）、Mobile-Agent-E（自进化手机操作多智能体）等。
【使用方式】
- 在线体验：可通过 ModelScope 在线演示或阿里云百炼（Bailian）在线演示试用 Mobile-Agent-v3.5。
- API：阿里云百炼提供 Mobile-Agent-v3.5 API，可查看文档快速体验；此前也提供限时免费的 Mobile-Agent-v3 API。
- 云手机：Mobile-Agent-v3.5 已上线阿里云无影云手机（Wuying Cloud Phone），提供云端 Android 环境。
- 模型权重：GUI-Owl-1.5 系列模型权重可在 HuggingFace 获取，技术报告可查阅链接。
- 开源代码：GUI-Owl 和 Mobile-Agent-v3 在 OSWorld、AndroidWorld 和真实移动场景的代码已开源，包括 OSWorld 的 RL 调优检查点。
- 在线推理：GUI-Owl-1.5 系列模型可通过阿里云百炼和 ModelScope API-Inference 进行在线推理。
【适用场景】
- 移动端自动化：在 Android 设备上执行跨应用任务。
- 桌面自动化：在 PC 上完成文档编辑、数据录入等操作。
- 浏览器自动化：网页搜索、信息提取、图片复制等。
- 研究与开发：GUI 智能体相关学术研究、基准测试、模型训练与评估。
【限制】 关于具体的收费、价格、平台兼容性细节、性能指标等，资料中未提供完整信息，暂未提供。部分功能可能依赖阿里云百炼、ModelScope 或无影云手机等特定平台。
