OpenMobile-2: מודל פתוח לסוכני סמארטפון, שאומן על יותר מ-110 אפליקציות
חוקרים מאוניברסיטת נאנג'ינג, מחברת SenseTime וכמה אוניברסיטאות נוספות פרסמו את OpenMobile-2, מודל פתוח לסוכני AI שמפעילים אפליקציות בסמארטפון. לפי המחקר, אימון על מגוון רחב של אפליקציות תורם לביצועים יותר מאשר הגדלת כמות הנתונים. במבחנים על מכשירי Android אמיתיים השיג המודל הגדול את הציון הגבוה ביותר בין המודלים הפתוחים.
צוות חוקרים מאוניברסיטת נאנג'ינג, מחברת ה-AI הסינית SenseTime ומכמה אוניברסיטאות נוספות פרסם את OpenMobile-2. זהו פרויקט open source (קוד פתוח) לאימון סוכני AI, כלומר תוכנות שמפעילות בעצמן אפליקציות בטלפון. לפי הדיווח ב-The Decoder, הממצא המרכזי הוא שמספר האפליקציות השונות שעליהן מתאמנים הסוכנים חשוב יותר מכמות הנתונים. במבחנים על מכשירי Android אמיתיים הגיע המודל הגדול של הפרויקט לציון הגבוה ביותר בין המודלים הפתוחים. הטענה שהוא מתחרה במודלים הסגורים היא של החוקרים עצמם.
שני מודלים, וכל הסביבה פתוחה
לטענת החוקרים, סוכנים כאלה לומדים בעיקר מתרגול, והנתונים שהם צריכים נמצאים ברובם אצל חברות גדולות. זו לדבריהם הסיבה שהמודלים הפתוחים מפגרים מאחור. כדי לצמצם את הפער הם משחררים שני מודלים: אחד מבוסס על Qwen3.5 של עליבאבא עם 9 מיליארד פרמטרים, והשני על Qwen3.6 עם 27 מיליארד פרמטרים. לצדם מתפרסמים סביבת האימון המלאה, הנתונים, והוראות לשחזור כל התהליך.
למה לבנות מחדש 110 אפליקציות
אימון על אפליקציות אמיתיות הוא תהליך מסורבל. צריך להתחבר לחשבונות, יש סכנה של רכישות אמיתיות, ואי אפשר להחזיר את האפליקציה למצב ההתחלתי. לכן החוקרים בנו מחדש 35 אפליקציות, רובן פופולריות בסין, כמו Taobao, JD, DiDi ו-Meituan, וגם שירותים בינלאומיים כמו Slack ו-Google Drive. יחד עם סימולציות קיימות ואפליקציות שרצות באמולטור של Android, סביבת האימון כוללת יותר מ-110 אפליקציות.
בודקים אנושיים השוו את השכפולים לאפליקציות המקוריות ותיקנו אותם עד שהממשקים ותהליכי העבודה תאמו. הזמנות, תקציבים ותוכניות נסיעה נשמרים בין שימוש לשימוש, ואפשר להעביר מידע בין אפליקציות דרך לוח ההעתקה. בסוף כל ניסיון כל סימולציה חוזרת אוטומטית למצב ההתחלתי. הסוכן רואה רק צילומי מסך ואין לו גישה לנתונים הפנימיים של האפליקציה, כמו משתמש אנושי.
בסביבה הזו יצר הצוות כ-11,600 תהליכי עבודה לדוגמה ויותר מ-2,000 משימות תרגול, שהצלחתן נבדקת אוטומטית. את הדוגמאות הפיק Gemini 3.1 Pro של גוגל, ששימש "מודל מורה". המשמעות היא שהמודל הפתוח בעצם לומד ממערכת סגורה.
התוצאות
ב-AndroidWorld, מבחן מקובל בתחום, עלה הציון של המודל הגדול מ-67.1 ל-79.9 נקודות, ושל הקטן מ-54.3 ל-74. הגרסה הקודמת, OpenMobile-1, קיבלה במבחן הזה 64.7. ב-MobileWorld, מבחן קשה יותר עם משימות ארוכות שעוברות בין כמה אפליקציות, עלה המודל הגדול מ-35.9 ל-50.4.
השיפור הגדול ביותר נמדד על מכשירים אמיתיים: במבחן SPA-Bench זינק המודל הגדול מ-31.9 ל-59.6 נקודות. לפי הגרף במחקר, רק Gemini 3.1 Pro עקף אותו במבחן הזה.
הממצא המעניין ביותר נוגע למגוון. החוקרים השאירו את כמות הנתונים קבועה והגדילו רק את מספר האפליקציות שהסוכן התאמן עליהן. שיעור ההצלחה באפליקציות שהסוכן לא ראה קודם עלה מ-60.7% ל-67.5%.
לעומת זאת, שלב נוסף של reinforcement learning (למידה מחיזוקים) הוסיף מעט, ובעיקר בסביבות שדומות לסביבת האימון. ב-AndroidWorld הציון אף ירד מעט אחריו, מ-80.8 ל-79.9.
קיצורי דרך במקום ניווט בתפריטים
בחלק ניסיוני של המחקר, יותר מ-50 מהאפליקציות המדומות מציעות פקודות ישירות כמו "הוסף לעגלה", שחוסכות ניווט בתפריטים. בלי אימון ייעודי המודלים כמעט לא השתמשו בקיצורים האלה. אחרי אימון הם פתרו עד 10.3 נקודות אחוז יותר משימות, בכחמישה צעדים פחות בממוצע. לדברי החוקרים, היכולת עוברת גם לכלים שהמודלים לא פגשו באימון.
למה זה חשוב
סוכנים שמפעילים אפליקציות בשביל המשתמש נחשבים לאחד הכיוונים המרכזיים בתחום ה-AI כיום. ככל הנראה, פרסום סביבת אימון מלאה ופתוחה יקל על מעבדות קטנות לפתח סוכנים כאלה בלי גישה לנתונים של החברות הגדולות. עם זאת, המודל למד מדוגמאות של מודל סגור, והתוצאות עדיין לא נבדקו באופן עצמאי.