阿里Anthropic同一天亮出GUI Agent：AI替你点鼠标，谁敢谁没想好

8月20日这天，AI圈发生了件有意思的事。阿里和Anthropic几乎在同一时间，各自亮出了让AI直接操作屏幕的新产品。一边是Qwen-UI-Agent，一边是Computer Use正式版。两家做的同一件事：让AI看懂屏幕，替你点鼠标、填表单、切App。

不跑模拟器，100台真机硬训

阿里这次的路线很直接。没有用模拟器糊弄，而是搭了覆盖100多台真实手机、150多款应用的真机环境。任务构建、轨迹采集、模型训练、评测，全在真机上跑。还自建了MobileWorld-Real真机基准，400多个任务、100多款应用，专门测真实环境表现。

结果相当能打。MobileWorld-Real上92.2%的成功率，AndroidDaily日常任务集直接飙到97.5%，接近满分。在模拟器基准MobileWorld上，82.1%的成绩领先GPT-5.6 Sol达12个百分点，领先Claude Opus 4.8达14.6个百分点。关键是，这个模型主力版本参数只有27B，基于Qwen 3.5打造。

电脑端也不含糊。OSWorld-Verified拿到79.5%，浏览器WebArena 73.6%排第一。而且不光能点屏幕按钮，还能直接调命令行，支持批量动作输出，一次规划多个步骤连续执行。

安全这根弦，两家绷法不一样

AI替你操作手机电脑，听着很爽。但万一它点错转账按钮呢？这个问题在同一天被两家用不同方式回答了。

阿里的做法是在敏感操作节点主动降速。发红包、删文件、隐私授权这类事情，Qwen-UI-Agent会主动暂停，向用户说明情况，等确认了再继续。违法或高风险请求直接终止，一步界面操作都不做。这个设计在业界算是目前最明确的安全护栏了。

Anthropic走了另一条路。Computer Use正式版新增的browser use工具不再只靠像素坐标定位，而是读取页面DOM结构，直接锁定具体按钮和输入框。网页改版也不容易点歪。但具体安全机制怎么做的，外界暂时看不到细节。

一个选择主动降速换安全，一个选择精准定位减失误。思路不同，目标一样：让AI操作足够可靠，用户才敢用。

92.2%很亮眼，但那7.8%才是关键

真机92.2%的成功率确实亮眼。但换个角度看，剩下7.8%的失败率在真实场景里意味着什么？点错按钮可能是发错消息，也可能是转错账。

在金融、医疗这种场景里，99.9%和100%之间就是「能用」和「敢用」的鸿沟。安全领域有个共识：99.99%的正确率也无法抵消单次高风险错误的影响，因为不同错误的损失是非线性的。

另外，150多款应用的训练覆盖面，面对数以百万计的应用生态，长尾适配仍然是个大工程。技术领先不等于商业成功，让用户真正放心把屏幕交给AI，比刷榜难多了。

下一个战场不是生成，是操作

过去两年AI圈卷的是「生成」，文字、图片、视频。但8月20日这一天，信号很明确：下一个战场是「操作」。

当AI能跨App帮你完成操作，它就不再是聊天框里的文字游戏，而是真正的数字员工。百度同日发布的数据也印证了这点：文心助手任务引擎2.0日活同比增长83%，覆盖超4亿用户。人正在把更复杂的任务交给AI。

阿里选择开源，打法跟Qwen系列一脉相承，用开源和性能抢开发者生态。Anthropic走商业化路线，直接上API收费。两条路谁跑得通，得看接下来的真实数据了。

但有一点可以确定：GUI Agent的出现，意味着AI从「会说」进化到了「会做」。这个变化，可能比大多数人意识到的要深远得多。