凤凰网科技讯 12月29日，通义实验室多模态交互团队宣布开源其全尺寸GUI智能体基座模型MAI-UI，该模型旨在通过解析屏幕界面并执行操作，自动完成跨应用、多步骤的复杂任务，如查询车票、同步通讯群组信息、调整会议安排等。
MAI-UI独特之处在于其原生用户交互能力，即使面对不明确的指令，模型也能主动向用户提问澄清，它可调用结构化工具（如地图搜索、路线规划API）取代繁琐的界面点击操作,从而提高任务的成功率与效率。
模型家族涵盖2B、8B等不同参数规模的版本，其中2B和8B版本已成功开源，根据团队发布的评测数据，MAI-UI在ScreenSpot-Pro和AndroidWorld等多个GUI理解与任务执行基准测试中表现领先,展现出强大的技术实力。
值得注意的是，MAI-UI不仅适用于手机和电脑等主流操作系统的界面交互场景，其通用性设计使其能够应对多种终端设备和操作系统环境,极大地拓展了其应用范围。
