一句话看懂：南京大学与商汤等团队发布开源手机 Agent 项目 OpenMobile-2，在模拟超 110 个应用的训练环境中训练 90 亿和 270 亿参数模型，并公开训练环境、数据和复现说明；在真实 Android 设备测试中，较大模型得分超过此前开源模型，显示训练环境多样性比单纯堆数据更有效。
事件核心：发生了什么
据 The Decoder AI News 报道，OpenMobile-2 由南京大学、商汤及其他高校研究者共同推进。团队基于 Qwen3.5（90 亿参数）和 Qwen3.6（270 亿参数）训练了两款手机操作 Agent，并重建了淘宝、京东、滴滴、美团、Slack、Google Drive 等 35 个常用应用，加上既有模拟和 Android 模拟器应用，训练环境覆盖 110 多个应用。每个模拟可自动重置状态，Agent 只看截图操作，以避免接触应用内部数据。
测试结果上，大模型在 AndroidWorld 从 67.1 提升至 79.9 分，小模型从 54.3 升至 74；较难的 MobileWorld 从 35.9 升至 50.4 分；真实 Android 设备上的 SPA-Bench 从 31.9 升至 59.6 分，作者称这是目前开源模型中的最高分。值得注意的是，用于生成示例工作流和练习任务的教师模型是 Google Gemini 3.1 Pro，也就是说 OpenMobile-2 实际从闭源系统中蒸馏学习。当前信息来自作者论文摘要，尚未说明是否已通过同行评审。
为什么重要
手机 Agent 的训练数据长期集中在少数大公司手中，开源模型因此落后。OpenMobile-2 的贡献不只是模型本身，更在于把训练环境、数据和复现说明一并公开，降低了后续研究的门槛。更关键的发现是：在数据量相同的情况下，增加训练应用的种类，让未见应用的成功率从 60.7% 提升到 67.5%，而增加少量应用的大量样本反而效果有限。这为开源 Agent 提供了一条不依赖海量私有数据的可行路径。
对用户/开发者/创作者的影响
对开发者，完整的训练环境和复现说明意味着可以基于这一套模拟器做二次开发，或把方法迁移到其他端侧 Agent 场景。对希望集成手机自动化能力的产品团队，开源模型提供了闭源 API 之外的备选，但在真实设备上的稳定性和任务覆盖仍需验证。对普通用户，短期内更实际的变化可能是：手机助手类工具能更顺畅地跨应用完成订票、比价等任务，但距离完全可靠的日常使用还有距离。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是训练环境能否持续扩充到更多地区和更多类型的应用，否则能力可能偏向训练集中的中英文主流服务。二是作者提到 Agent 可在常规点击和直接命令之间切换，但需要针对性训练才有效，这一能力的泛化边界尚不明确。三是开源模型在真实设备上的分数仍低于 Gemini 3.1 Pro，后续能否通过更多样的环境缩小差距，值得观察。
