2025年8月，阿里巴巴正式发布第三代GUI智能体框架Mobile-Agent-v3，并开源多模态跨平台GUI虚拟层模型GUI-Owl，这一技术组合在多项权威GUI基准测试中创下卓越成绩，标志着GUI自动化技术进入全新发展阶段。
一、技术创新突破
Mobile-Agent-v3整合了感知、推理、规划和行动执行四大核心功能模块，其技术底座GUI-Owl拥有强大的GUI感知与操作能力，能精准理解界面布局及交互元素，还能将自然语言指令转化为具体屏幕操作，实现端到端自动化流程。此外，该框架具备动态任务分解与规划功能，可根据复杂指令制定行动方案并实时调整策略，同时进度管理与异常处理机制让自动化过程更稳定可靠。
二、跨平台适配优势
GUI-Owl的跨平台适配能力极为出色，无论是Android移动设备、Windows桌面系统，还是macOS操作环境，都能完美适配并发挥出色性能，为开发者提供了构建统一自动化解决方案的灵活性。基于此，Mobile-Agent-v3能在不同应用间无缝协作，例如从社交媒体获取内容后自动转移到邮件应用进行分享。
三、开源推动行业发展
GUI-Owl的开源决定为全球开发者社区带来巨大机遇，完整的源代码和详尽的技术文档已在GitHub平台公开，开发者可基于此构建定制化GUI智能体解决方案，加速行业技术创新。而Mobile-Agent-v3的问世，也使得GUI自动化从“脚本时代”迈向“说话即可”的时代，其在自动化测试、无障碍辅助、企业RPA及个人效率提升等多个场景展现出巨大应用潜力。
四、未来展望
阿里巴巴透露，Mobile-Agent-v3的后续版本正在开发中，将进一步优化性能并挑战更多权威基准测试。随着技术的不断完善和开发者社区的不断壮大，Mobile-Agent-v3有望在更多领域发挥重要作用，推动GUI自动化技术在全球范围内的普及应用。
