MAI-UI - Modelo de base corporal inteligente GUI universal de código abierto de Ali Tongyi Labs

Qué es el MAI-UI

MAI-UI es un modelo de interfaz gráfica de usuario (GUI) universal de código abierto basado en el cuerpo inteligente de Alibaba Tongyi Labs, con cuatro capacidades principales: funcionamiento entre aplicaciones, comprensión semántica difusa, interacción activa con el usuario y coordinación de procesos en varios pasos. Adopta una arquitectura de colaboración extremo-nube, en la que los modelos ligeros residen en el dispositivo para gestionar las tareas diarias, y las tareas complejas pueden llamar a los modelos grandes en la nube, salvaguardando al mismo tiempo la privacidad y la seguridad.MAI-UI ha superado cinco revisiones autorizadas, incluyendo ScreenSpot-Pro, y ha establecido un nuevo récord con una tasa de éxito de 76,71 TP3T en la ejecución de tareas de Android en particular. Entre sus innovaciones se incluyen el mecanismo de interacción activa (que plantea preguntas al usuario cuando las instrucciones no están claras), la llamada a la herramienta MCP (que sustituye a las engorrosas operaciones de interfaz de usuario mediante API) y la capacidad de adaptación dinámica del entorno basada en el aprendizaje por refuerzo en línea, que ha sido de código abierto en las versiones 2B y 8B, y admite el despliegue con un solo clic mediante Docker.

Características funcionales de MAI-UI

• Tareas complejasLa gestión de la información: se pueden llevar a cabo tareas complejas como la comprobación de tickets, la sincronización de mensajes en grupos de comunicación y el ajuste de los calendarios de reuniones.
• Capacidad de interacción activaEl personal de la empresa debe ser proactivo y pedir aclaraciones a los usuarios cuando las instrucciones no sean claras.
• Llamada a herramientas estructuradas: Soporte para llamar a la búsqueda de mapas, API de planificación de rutas y otras herramientas estructuradas, sustituyendo las tediosas operaciones de clic y clic de la interfaz.

Puntos fuertes del MAI-UI

• Versión de escala multiparamétricaLa familia de modelos contiene versiones 2B, 8B y otras con diferentes escalas de parámetros, de las cuales los modelos 2B y 8B son de código abierto.
• Aplicabilidad multiplataformaAplicación: Aplicable a escenarios de interacción de interfaces con distintos sistemas operativos, como teléfonos móviles y ordenadores.
• Excelente rendimiento de la revisión: Obtención de puntuaciones líderes actuales en varias pruebas comparativas de comprensión de GUI y ejecución de tareas, como ScreenSpot-Pro y AndroidWorld.

¿Cuál es el sitio web oficial de MAI-UI?

• Página web del proyecto:: https://tongyi-mai.github.io/MAI-UI//
• Repositorio GitHub:: https://github.com/Tongyi-MAI/MAI-UI
• Biblioteca de modelos HuggingFace:: https://huggingface.co/Tongyi-MAI/models
• Documento técnico arXiv:: https://arxiv.org/pdf/2512.22047

Personas a las que se destina el MAI-UI

• Investigadores en Inteligencia Artificial y Aprendizaje AutomáticoEl modelo MAI-UI puede utilizarse para llevar a cabo investigaciones relacionadas con la interacción multimodal, explorar cómo mejorar aún más la comprensión del modelo de la interfaz y las capacidades de ejecución de tareas, y promover el desarrollo tecnológico en este campo.
• Ingeniero de desarrollo de softwareLos desarrolladores que se centran en el desarrollo de aplicaciones con funciones interactivas complejas pueden añadir funciones interactivas inteligentes a sus aplicaciones mediante la integración de MAI-UI para mejorar la experiencia del usuario, por ejemplo, para lograr una guía de operaciones más inteligente y la automatización de tareas en escenarios como software de oficina, aplicaciones de servicios de vida, etc.
• Diseñador de interacción persona-ordenadorUtilizar el MAI-UI para probar y optimizar el diseño de la interfaz, entender cómo interactúa el modelo con los distintos elementos de la interfaz, diseñar una interfaz más acorde con los hábitos operativos del usuario y más fácil de entender y manejar para las inteligencias, y mejorar la usabilidad y la eficacia de interacción de la interfaz.
• Desarrolladores de aplicaciones empresarialesPara las empresas que necesitan automatizar el flujo de tareas y las interacciones inteligentes en sus sistemas internos, MAI-UI puede ayudar a desarrollar soluciones personalizadas, como operaciones inteligentes entre módulos y flujo de datos en la gestión de recursos empresariales (ERP), la gestión de relaciones con los clientes (CRM) y otros sistemas, para mejorar la eficacia del trabajo.