6GB 与 16GB 的分界:OpenMobile-2 给手机智能体私有化画了张硬件采购单
开源的移动智能体,第一次在真机榜上摸到了闭源模型的门槛。南京大学、商汤及多所联合高校的团队发布 OpenMobile-2:两个分别基于 Qwen3.5(9B)与 Qwen3.6(27B)的智能体模型,连同训练环境、训练数据和完整复现配方一并开放,许可为 CC BY 4.0。论文与 The Decoder 的报道交叉确认了三组关键数字:较大模型在真机 SPA-Bench 上从 31.9 分提升到 59.6 分,是目前开源模型里的最高分;AndroidWorld 79.9 分,MobileWorld 50.4 分(榜单分数为作者自报,经两家独立来源复核一致)。作为参照,前代 OpenMobile-1 在 AndroidWorld 只有 64.7 分,这一代直接抬高了整整一档。对一直卡在三十多分档的开源阵营,这是一次实打实的越级,而不只是榜单位置的改善。
硬件选型:9B 下手机,27B 驻桌面
把参数规模翻译成采购单。9B 模型按 0.55 字节每参数估算,Q4 量化后约 6GB 体量,12GB 内存的旗舰手机加 NPU 卸载即可跑通日常任务;27B 同法估算约 16GB,塞进手机已是极限,更稳妥的方案是 16GB 级外置盒子或 24GB 的桌面节点,兼顾训练微调与推理。两条规格之间的分界线,基本就是「端侧轻量助理」和「驻场完整助理」的采购分界。按此口径,端侧项目可以只采购 9B 档,把 27B 档留给有微调诉求的团队,避免一刀买齐。
私有化部署的价值点在场景闭环:训练环境里重建了淘宝、京东、滴滴、美团等 35 个商业风格应用,跨应用下单、预算、行程数据全程不出设备。对零售、出行、到店场景的企业助手项目,这意味着「数据不上云、界面本机操作」的最低成本路径被首次验证。敏感数据不出设备,本身就回答了采购方最常问的安全合规问题。
数据配比比数据量更值钱
团队放出约 1.16 万条交互轨迹、2000 多条带自动校验的强化学习任务,但真正值得复用的是那条消融结论:训练数据量不变,只把覆盖的应用数量加上去,未见应用的完成率就从 60.7% 提升到 67.5%。论文与媒体报道的口径一致。给自建智能体团队的直接含义:先规划应用矩阵,把业务流程里的那几十个应用做成可重置、可校验的训练环境,再谈堆轨迹。轨迹数量是次要变量,应用覆盖度才是杠杆。这也解释了为什么各家都在搭模拟环境,而不是买更大的训练集群。
风险提示与观察
两个保留意见。其一,示范轨迹的教师模型仍是闭源的 Gemini 3.1 Pro,开源栈的能力上限实际上被它锁住,后续换教师模型的效果需要再验;其二,应用原生工具接口目前只存在于模拟环境,论文自己也标注为实验性,企业落地前应有独立验收。但方向已经清晰:移动智能体的私有化部署,成本正在从「做不了」降到「选硬件」这一步,下一个竞争变量是应用覆盖度,不是参数量。对采购方的建议是:验收指标写应用完成率,不写参数量。
来源:arXiv 2610.14157(OpenMobile-2 论文,2026-10-09,榜单数字为作者自报)、The Decoder(2026-10-25)、AIB。