随着多模态大语言模型（MLLM）的飞速发展，能够像人类一样通过视觉输入操作图形用户界面（GUI）的智能体（Agent）正逐渐成为现实。然而，在通往通用计算机控制的道路上，如何让模型精准地将自然语言指令对应到屏幕上的具体元素 —— 即 GUI ...

事实上，豆包手机助手引发的热议，已经产生了连锁反应。据手机供应链业内人士爆料，Google、OpenAI等互联网巨头目前已将GUI ...

在12月初，豆包与中兴旗下的努比亚共同推出了AI手机“努比亚M153”，这一举动迅速成为互联网和AI领域的热议焦点。豆包手机的最大亮点在于其具备在用户授权下自动操作手机的能力，能够高效完成复杂的长链路任务。这一创新不仅引发了国内的广泛讨论，也让海外市场倍感震撼。

在更接近真实场景的MobileWorld测试集上，MAI-UI-235B-A22B整体成功率41.7%，比其他端到端模型高出20.8个百分点。在需要主动询问用户的任务上成功率37.5%，在需要调用MCP工具的任务上成功率51.1%，分别比之前最好的成绩高出32.1和18.7个百分点。

DoNews12月17日消息，12月17日，阶跃星辰升级发布了全新的 AI Agent 系列模型「Step-GUI」，包括云端模型 Step-GUI、首个面向 GUI Agent 的 MCP 协议，以及业内首个支持手机部署的开源端侧模型 Step-GUI Edge。「Step-GUI」通过端云协同的方案，让隐私边界可知、可控，同时极大程度拓展 GUI Agent ...

近日，字节跳动与努比亚联合推出的“豆包AI手机”引发关注。该手机通过GUI技术实现跨App操作，但也引发隐私安全担忧。12月22日，快手平台遭黑灰产攻击，加剧了对AI技术安全性的讨论。

然而，在这种技术路径下，AI助手可以直接绕过银行、淘宝等App的沙箱隔离机制（原本用于防止应用越权、保护系统安全的设计）直接读取聊天记录、验证码、账户信息等敏感数据。这条看似高效的技术捷径，迅速引发了关于数据授权、隐私保护与系统安全的讨论。

在嵌入式系统开发中，选择一个合适的图形用户界面（GUI）库是至关重要的。在屏幕上显示的时候，使用现成的图形库，这样开发人员就不需要弄清楚底层任务，例如如何绘制像素、线条、形状，如果再高级一点，则可以绘制某些对象，例如窗口、按钮等。

通义实验室多模态交互团队近日正式对外发布并开源了一款名为MAI-UI的通用GUI智能体基座模型。这款模型的核心能力在于能够精准理解各类屏幕界面内容，并依据指令执行相应操作，从而完成跨应用、多步骤的复杂任务。例如，在出行场景中，它可以快速查询车票信息； ...

近日，OPPO ColorOS 智慧产品研发总监姜昱辰在接受媒体采访时，阐述了 OPPO 在 AI 手机领域的发展路线，强调 GUI Agent 是当前技术的过渡形态未来将更倾向于 Agent to Agent（A2A）模式。此番言论恰逢字节跳动与努比亚联合推出的 “豆包 AI 手机” 引发广泛关注，后者通过语音指令实现跨 App 自动操作，成为行业热点。

OPPO ColorOS智慧产品研发负责人姜昱辰在近期访谈中，系统阐释了该公司对AI手机技术演进方向的判断。他特别指出，当前以图形用户界面交互为主的GUI Agent模式属于过渡阶段，未来将逐步向智能体间直接协作的Agent to ...

你好，有的。现有回答里提到 Firefox OS 的是符合的，提 Chrome OS 是不符合的。 Firefox OS 主要有三个层： Gonk：内核、硬件抽象、驱动，和 Web 技术无关。Gecko：渲染引擎，也就是浏览器内核。在 Firefox OS 上 Gecko 有一定程度的定制，例如优化分配，预加载以让应用快速打开。Firefox ...