MAI-Gym

MAI-Gym 是阿里巴巴 MAI-UI 团队（通义 / Alibaba Token Hub） 发布的 开源一体化 GUI 智能体评测、数据采集与在线强化学习（RL）训练平台，覆盖 手机、电脑和网页 三类环境。论文《MAI-Gym: An Open All-in-One Platform for GUI Agent Evaluation and RL Training across Mobile and Computer Environments》（arXiv:2610.20939）于 2026 年 10 月中旬发布，2026 年 10 月 31 日 在 X 中文 AI 圈被广泛介绍。

除框架本身，团队还训练并开源了 MAI-Gym-9B（基于 Qwen3.5-9B），一个同时支持手机和电脑操作的统一智能体，在 MobileWorld 上达到 78.4%、OSWorld-Verified 上达到 76.2%，是 10B 参数以下开源 GUI 智能体中的最佳成绩。阿里的 Qwen-UI-Agent 也是用 MAI-Gym 训练的。

关键信息

• 开发方： 阿里巴巴 MAI-UI 团队（通义实验室 / Alibaba Token Hub），作者包括 Steven Hoi 等
• 论文： arXiv:2610.20939（2026 年 10 月 14 日提交）
• 定位： 评测与训练共用同一套 rollout 流水线，保证智能体在两种场景下行为一致
• 基准： 支持 10 个主流基准（MobileWorld、AndroidWorld、OSWorld-Verified、OSWorld 2.0、MacAgentBench、MyPCBench、MobileGym 等）
• 规模： 最多 2 万个并行环境实例
• 数据合成： 自动生成 GUI 应用与任务——49 个可重置的模拟 App、连贯的跨应用世界，以及可执行校验的任务验证器
• 开源内容： 框架、合成技能、模拟 App、2000 个已验证任务 以及 MAI-Gym-9B 模型权重

MAI-Gym-9B 训练流程

1. SFT 预热：使用手机 + 桌面混合的 GUI/CLI 数据；
2. 联合强化学习（GRPO）：在 MobileWorld 与 OSWorld 环境的 5000 个合成任务上单次联合训练，而不是分别训练再合并权重；
3. 采用代码校验奖励、自适应任务采样和窗口化历史；在 512 张 GPU 上训练约 96 小时。

效果

• MobileWorld 78.4%、OSWorld-Verified 76.2%（10B 以下开源 GUI 智能体 SOTA）
• 在 模拟购票 App 上做 RL 可迁移到真实 App，真机任务成功率从 28.8% 提升到 48.1%
• 在全新合成 App 上训练，留出任务成功率从 25.8% 提升到 45.2%

为什么值得关注

GUI 智能体研究长期面临评测框架分散、交互环境昂贵的问题。MAI-Gym 提供了一套可复现的开源统一栈，对开发“手机操作 / 电脑操作”智能体的团队很有价值。注意：并行模拟环境不等于真实设备，落地效果仍需真机验证。

快速上手

1. 阅读论文（arXiv:2610.20939）与项目页 tongyi-mai.github.io/MAI-Gym；
2. 从通义 MAI（Tongyi-MAI）GitHub 组织克隆开源框架，按需配置环境后端（安卓模拟器、桌面虚拟机、网页）；
3. 用自己的智能体在支持的基准上跑评测，或下载 MAI-Gym-9B 权重作为基线；
4. 训练时使用 mai-gym train 和官方配置，并借助应用/任务合成技能生成新的模拟 App 与验证器。

适用场景

• 在统一框架下评测手机操作 / 电脑操作智能体
• 基于可验证奖励的 GUI 智能体在线强化学习
• 生成可重置的模拟应用环境，安全地进行训练

使用建议

• 全量 RL 需要大量算力（论文使用 512 张 GPU），建议先从评测或小规模实验开始；
• 部署前务必在真机上验证效果。