Qwen Intelligence发布：三大SOTA移动智能体登场

阿里通义千问团队推出全新的 Qwen Intelligence，主打"让个人智能触手可及"的理念，一次性带来三款面向移动场景的SOTA（业界最佳）智能体，并同步开放了一整套移动端基准测试工具。这标志着大模型能力正从对话问答，进一步向移动设备上的实际任务执行渗透。

三款智能体各司其职

Qwen Intelligence 并非单一模型，而是围绕移动场景拆分出的三个协作型智能体，分别负责"规划"、"执行"与"创作"三个环节。这种分工设计反映了当下Agent技术的一个趋势：单个通用模型难以在所有环节都做到最优，通过任务分解与专职智能体协同，反而更容易逼近实际可用的水平。

Mobile Planner Agent：任务规划与编排

第一款 Mobile Planner Agent 负责复杂任务的规划、拆解与调度。当用户提出一个需要多步骤、跨应用完成的需求时，由它来将其分解为可执行的子任务并统筹编排。据官方数据，该智能体在 MobilePA-Bench、MobilePA-Bench Business 以及 Memory 三项榜单上均排名第一，说明其在任务规划与记忆能力上的表现处于领先位置。

Mobile-Use Agent：真正把事情做完

第二款 Mobile-Use Agent 是负责"动手执行"的角色，采用 API 优先、GUI 兜底的策略——能调用接口就调用接口，无法通过接口完成时再回退到图形界面操作。这种设计兼顾了执行效率与兼容性。

其公布的成绩相当亮眼：MobileWorld 82.1、MobileWorld-Real 92.2、AndroidDaily 97.2，端到端任务成功率达到 90%。其中 90% 的端到端成功率是一个值得关注的指标，因为在真实移动设备上完成跨应用操作，涉及界面变化、弹窗、权限等大量不确定因素，能保持高成功率并不容易。

API优先、GUI兜底的策略在移动Agent领域有其特定含义。API优先是指优先调用应用程序开放的结构化接口（如Android的Accessibility Service或应用自身的开放API），这类调用速度快、状态可预测、不受界面布局变化影响。GUI兜底则指当没有可用接口时，退回到像人类一样"看屏幕、点按钮"的图形界面操作方式，通常依赖屏幕截图识别加坐标点击来完成。两者的最大区别在于稳定性：API调用结果确定，GUI操作则容易受到系统弹窗、深色模式切换、厂商定制UI等因素干扰。这也是为什么端到端成功率能否在长尾应用上保持稳定，是评估此类智能体最关键的实测维度之一。

Mobile Creative Agent：一句话生成成品

第三款 Mobile Creative Agent 定位为创作工具，能将用户的一句话描述转化为可直接使用的成果。官方特别强调了速度优势：单张图像生成约 3 秒完成，比领先同类产品快约 2 倍。对于移动端这种对响应速度极度敏感的场景，生成速度往往直接决定用户体验。

将复杂任务拆分给多个专职智能体协同完成，这种"多Agent架构"（Multi-Agent System）近年来逐渐成为业界应对复杂场景的主流范式。其核心逻辑是：单一大模型在规划推理、工具调用和内容生成上往往需要在参数容量与推理速度之间做取舍，而将不同能力分配给专门优化的子模型，可以让每个环节单独迭代升级，也更便于定位和修复失败案例。代价是系统复杂度增加，智能体之间的信息传递和状态同步成为新的故障点。Qwen Intelligence将规划、执行、创作分设三个智能体，是这一架构思路在移动场景的具体实践。

同步开源的基准测试套件

除了三款智能体，Qwen 团队还开放了一整套移动端基准测试工具，覆盖能力评估的多个维度：

• MobilePA-Bench：聚焦规划能力的评测
• MobileWorld（GitHub 开源）：跨应用执行能力
• MobileWorld-Real：真实设备上的性能表现
• MobileWorld-Safety：安全性评估

这套基准从规划、跨应用执行、真机性能到安全性形成了较完整的评测闭环。开放基准的意义在于，它让外界能够以统一标准横向比较不同移动智能体的能力，而不仅仅依赖厂商自报的数字。当然，这些基准由发布方自己提出，其权威性仍需社区在后续使用中检验。

值得注意的是，移动端基准测试的构建难度远高于纯文本或代码类评测。真实设备测试（如MobileWorld-Real）需要在物理或模拟设备上运行完整的应用交互流程，测试环境难以标准化——不同机型、Android版本、应用版本都可能影响结果。这也是为什么业界此前缺乏公认移动Agent基准的主要原因。由模型发布方主导制定基准是当前大模型领域的普遍现象，类似情况也出现在OpenAI的SimpleQA、Google的BIG-Bench等评测中。社区通常需要数月时间通过复现实验和对抗性测试，才能形成对某套基准客观性与覆盖完整性的共识判断。

移动智能体赛道的意义

从行业视角看，Qwen Intelligence 的发布延续了2026年大模型"从答问走向行动"的整体方向。相比在电脑端运行的Agent，移动智能体面临更碎片化的应用生态、更受限的接口权限和更复杂的交互方式，落地难度更高，但也更贴近普通用户的高频使用场景。

将规划、执行、创作三类能力分别做成专职智能体，再配套开源基准，这套组合拳既是产品发布，也是对整个移动Agent评测体系的一次话语权布局。对开发者和研究者而言，可以关注的重点在于：这些公布的基准分数能否在自己的场景中复现，以及 API 优先、GUI 兜底的执行策略在长尾应用上的实际稳定性。

需要说明的是，本文数据均来自官方发布信息，实际表现仍有待第三方独立测试与真实用户反馈验证。