OpenMobile-2 demonstrează că agenții AI open-source pot concura cu giganții tech pe smartphone-uri

Agenții de inteligență artificială capabili să folosească aplicații mobile exact ca un om nu mai sunt rezervați exclusiv marilor corporații de tehnologie. Proiectul open-source OpenMobile-2 dovedește că modelele deschise pot ajunge din urmă soluțiile proprietare pe telefoane Android reale. Concluzia cheie a cercetătorilor schimbă regulile jocului: diversitatea aplicațiilor pe care se antrenează un agent contează mult mai mult decât volumul brut de date acumulat dintr-un număr restrâns de servicii.

Ce s-a întâmplat

Cercetătorii de la Universitatea Nanjing, compania SenseTime și alte instituții academice au lansat OpenMobile-2 pentru a elimina decalajul dintre modelele proprietare și cele open-source în automatizarea sarcinilor mobile. Antrenarea directă pe telefoane reale este complicată din cauza barierelor de autentificare, a tranzacțiilor financiare reale și a lipsei unei modalități simple de resetare. Pentru a rezolva această problemă, echipa a reconstruit de la zero peste 35 de aplicații populare – de la servicii internaționale precum Slack și Google Drive până la giganți asiatici precum Taobao și Meituan – ajungând la un laborator de antrenament cu peste 110 aplicații simulate.

Echipa a pus la dispoziție două modele bazate pe arhitecturile Qwen3.5 (9 miliarde de parametri) și Qwen3.6 (27 de miliarde de parametri), alături de datele de antrenament și instrucțiunile de reproducere. Fluxurile de învățare au fost generate inițial cu ajutorul lui Gemini 3.1 Pro de la Google. Păstrând volumul de date constant și crescând doar numărul de aplicații testate, rata de succes pe aplicații complet noi a urcat de la 60,7% la 67,5%. Pe telefoane Android fizice, în testul SPA-Bench, modelul de 27B a obținut 59,6 puncte, cel mai mare scor înregistrat vreodată de un model open-source, fiind depășit doar de soluțiile de vârf proprietare.

De ce contează în România

Pentru comunitatea tehnică din România – de la echipe de Quality Assurance și dezvoltatori de aplicații până la startup-uri de automatizare – OpenMobile-2 oferă o alternativă viabilă la API-urile închise și costisitoare. Până acum, automatizarea interacțiunilor complexe pe mobil fără integrare directă depindea de servicii cloud scumpe sau scripturi casante.

Disponibilitatea unui model deschis permite companiilor locale să ruleze agenți de testare pe infrastructură proprie, protejând datele sensibile și confidențialitatea utilizatorilor. Fie că este vorba despre validarea interfețelor pentru aplicații locale de banking, platforme de e-commerce sau servicii de curierat, tehnologia deschide calea către roboți software capabili să navigheze ecrane și să raporteze erori fără intervenție umană permanentă.

Cum poți încerca

Întregul proiect OpenMobile-2 a fost făcut public pe platformele dedicate comunității open-source, cu detalii disponibile în lucrarea de cercetare publicată pe Arxiv. Dezvoltatorii pot descărca ponderile modelelor bazate pe Qwen, mediul de simulare cu cele 110 aplicații și instrucțiunile complete de instalare.

Pentru a rula local modelul de 27 de miliarde de parametri este nevoie de o placă video performantă cu suficientă memorie VRAM, însă varianta mai compactă de 9 miliarde de parametri poate fi testată pe stații de lucru mai accesibile sau pe instanțe de cloud la costuri reduse. În prezent, uneltele sunt destinate programatorilor și cercetătorilor capabili să configureze un mediu Python și un emulator Android.