TongyiLab и исследователи из Renmin University of China представили нового интерфейсного агента UI-Ins, который умеет работать с мобильными приложениями и понимать смысл пользовательских действий. В отличие от большинства решений, он воспринимает команды не как набор кликов, а как задачу, требующую рассуждений и планирования.
UI-Ins анализирует контекст, строит гипотезы, оценивает последствия и только потом действует. Такой подход делает его устойчивее в реальных сценариях, где интерфейс может меняться, а приложение зависеть от состояния устройства.
В тестах AndroidWorld агент показал 74,1% успешных действий. Для сравнения, результат Gemini 2.5 Computer Use — 69,7%. Это серьёзный скачок в качестве, который демонстрирует потенциал reasoning-агентов, способных не просто выполнять команды, а думать над их смыслом.
UI-Ins выпускается в двух версиях:
• UI-Ins-7B — лёгкая модель для тестирования и пользовательских сценариев
• UI-Ins-32B — версия с повышенной точностью и устойчивостью для сложных интерфейсов
Разработчики отмечают, что агент хорошо справляется с заполнением форм, навигацией по вкладкам, запуском и управлением приложениями. Фактически он приближается к роли универсального ассистента, который может действовать от имени пользователя.
Делегируйте часть рутинных задач вместе с BotHub! Для доступа к сервису не требуется VPN и можно использовать российскую карту. По ссылке вы можете получить 100 000 бесплатных токенов для первых задач и приступить к работе с нейросетями прямо сейчас!
Источник: habr.com