OpenPhone：移动代理性基础模型
人工智能
2026-02-10 v2
摘要
随着多模态大语言模型（MLLM）的发展，构建GUI代理系统已成为 increasingly promising的方向，尤其针对移动平台，因其丰富的应用生态和直观的触控交互。然而，移动GUI代理面临关键困境：真正可部署于设备内的模型（4B参数或更小）性能不足，而能力更强的模型（从7B参数起）要么过大难以部署于移动设备，要么成本高昂（如仅限云端的闭源MLLM）。为解决此问题，我们提出OpenPhone，一种移动GUI代理系统，通过设备-云协作方式，发挥设备内模型的成本效益与云端模型的高性能，同时规避其缺点。具体而言，OpenPhone通过两阶段SFT->GRPO训练于合成GUI数据上增强Qwen2.5-VL-3B模型的决策能力，集成高效的长程推理与记忆管理机制以在资源受限环境下利用历史交互记录，默认采用设备内执行，仅对复杂子任务通过实时复杂度评估进行云端升级。在线AndroidLab基准及多样应用实验表明，OpenPhone在性能上与更大模型相当或逼近，显著降低云端成本。
引用
@article{arxiv.2510.22009,
title = {OpenPhone: Mobile Agentic Foundation Models},
author = {Yangqin Jiang and Chao Huang},
journal= {arXiv preprint arXiv:2510.22009},
year = {2026}
}