12月29日，通义实验室多模态交互团队近日宣布开源其通用GUI智能体基座模型MAI-UI。该模型旨在通过理解屏幕界面并执行操作，完成跨应用、多步骤的复杂任务，例如查询车票、在通讯群组同步信息、调整会议安排等。

据介绍，MAI-UI具备在指令不明确时主动向用户提问澄清的能力，并支持通过调用结构化工具（如地图搜索、路线规划API）来替代繁琐的界面点击操作，以提高任务执行的成功率与效率。该模型家族包含2B、8B等不同参数规模的版本，其中2B与8B模型已开源。

根据团队公布的评测数据，MAI-UI在ScreenSpot-Pro、AndroidWorld等多个GUI理解与任务执行基准测试中取得了当前领先的成绩。该模型适用于手机、电脑等不同操作系统的界面交互场景。