OpenMobile-2 基于 Qwen3.5 和 Qwen3.6 发布，在真实设备上超越闭源模型表现

南京大学与商汤等机构联合发布的 OpenMobile-2 基于 Qwen3.5（9B）和 Qwen3.6（27B）构建，旨在通过重建应用环境缩小开源手机智能体与闭源模型的差距。该研究并未依赖更多数据，而是通过重建 110 个应用（包括淘宝、京东、Slack 等）的模拟器来提供多样化的训练场景，使模型在 SPA-Bench 真实设备测试中达到 59.6 分，成为目前开源模型中的最高分。

实验证据显示，在保持数据总量不变的情况下，将训练应用数量从少量增加到覆盖 110 个不同应用，使得模型在未见应用上的成功率从 60.7% 提升至 67.5%，证明了应用多样性优于单纯的数据堆叠。此外，引入直接命令接口（如“加入购物车”）配合混合模式训练，能让智能体减少约 5 步操作并提升 10.3% 的任务完成率，尽管强化学习带来的收益有限且存在过拟合风险。

事实层面，该模型已开源并提供完整训练环境与指令；推断层面，这种基于模拟器的多样化训练范式可能成为未来端侧 Agent 的主流开发路径，而非单纯追求参数规模或原始数据量；猜测层面，由于直接命令接口目前仅存在于模拟应用中，其在真实商业 App 中的落地仍面临接口标准化挑战。