阿里通义推出MAI-Gym：面向GUI智能体的一体化训练评测平台，一套框架同时支持手机/电脑/网页，最高支持2万并发环境

阿里巴巴通义团队推出 MAI-Gym，是面向GUI图形界面智能体的一体化开放平台，用于智能体评估、交互轨迹采集、在线强化学习训练，覆盖移动端、桌面电脑、网页浏览器三类GUI环境，框架源代码即将发布。依托该平台，团队训练出MAI-Gym-9B，一款9B参数、可同时操控手机与电脑的GUI智能体。

• 项目主页：https://tongyi-mai.github.io/MAI-Gym/
• GitHub：https://github.com/Tongyi-MAI/MAI-Gym
• 模型：https://huggingface.co/Tongyi-MAI/MAI-Gym-9B

GUI智能体依靠屏幕截图理解界面，模拟点击、输入等操作操控软件。传统训练方案存在三大痛点：真实App无法反复重放、训练与评测两套执行代码造成结果虚高、难以同时支持多类设备大规模并发。MAI-Gym通过统一交互链路、可重置模拟App、大规模容器环境调度，解决这些问题。

核心框架能力

1. 统一执行链路，消除训练评测漂移
   评测、轨迹采集、强化学习复用同一套Agent harness、提示构造、动作解析、交互循环，保证训练与测试行为一致，避免跑分虚高。
2. 跨平台统一环境管理
   EnvClient提供标准化接口，底层环境可部署在Kubernetes、Docker、物理真机，支持手机、电脑、网页实例，平台已验证最高20000个并发隔离环境。环境具备任务自动重置、会话租约、幂等操作、故障隔离，基础设施崩溃不会污染训练奖励信号。
3. 高效多模态历史缓存
   窗口式历史机制复用KV缓存，仅保留近期截图；粘性路由把同一条交互轨迹固定在对应的推理引擎，降低长序列GUI交互的算力开销。
4. 可验证任务与诊断系统
   任务附带代码验证器+VLM评委生成奖励；完整保存交互轨迹、截图、模型输出、动作、验证结果，配套可视化面板，方便定位失败原因。
5. 可扩展环境与任务合成
   支持生成可重置模拟应用、连贯跨应用虚拟世界；提供4个扩展点：代理harness、任务、环境适配器、环境规范。项目附带49个模拟App、2000道经过校验的任务，包含复刻真实业务的模拟软件以及全新虚构界面。
6. 原生在线强化学习
   轨迹缓冲区对接同步/异步训练后端，通过Slime支持GRPO、DAPO、GSPO、REINFORCE++、SAO、PPO等主流算法。

MAI-Gym-9B模型效果

基于Qwen3.5‑9B底座，采用手机+电脑任务联合强化学习训练。

• MobileWorld（未见过的手机任务）成功率78.4%；OSWorld-Verified电脑任务成功率76.2%，在10B内开源GUI智能体中处于第一梯队。
• 联合训练优于分开训练：分别训练手机、电脑专家模型再合并，效果不如同一套训练流程混合两类任务联合训练。
• 迁移测试：仅在12306模拟复刻App训练，迁移到真实手机真机测试，任务成功率由28.8%提升至48.1%；但模拟环境的高分无法完全复现到真机，存在迁移落差。
• 智能体习得复合策略：电脑端可适时调用命令行批量处理文件；手机端懂得放大截图阅读小字，主动精简操作步骤。

现存局限

1. 定位为科研基础设施，并非普通用户直接使用的成品工具；模拟App仅用于训练，无法执行真实支付、交易。
2. 模拟界面、业务逻辑和真实App存在差异，模拟环境学到的能力向真实设备迁移存在损耗。
3. 两万并发集群需要大量GPU与容器算力资源，个人设备无法完整运行大规模训练。
4. 超长复杂多步骤任务下，GUI智能体仍会出现操作失误。