清华大学与面壁智能发布端侧GUI Agent:AgentCPM-GUI

近日，清华大学THUNLP实验室联合面壁智能推出了一款创新的端侧GUI Agent——**AgentCPM-GUI**，为移动设备的人机交互带来全新突破。该智能体基于**MiniCPM-V**模型构建，总参数量仅**8B**，以手机屏幕图像为输入，支持中英文操作，可自动执行用户提出的任务，展现出强大的GUI元素定位能力。

AgentCPM-GUI覆盖了包括**高德地图**、**大众点评**、**B站**、**小红书**在内的**30多个主流中文APP**，能够精准识别和操作APP界面元素，满足多样化的用户需求。无论是导航、点餐还是内容浏览，AgentCPM-GUI都能高效完成任务，极大提升了用户体验。

值得一提的是，该模型通过**RFT（推理前思考）**技术增强了规划推理能力。在执行用户指令前，AgentCPM-GUI会先进行推理思考，生成更准确的动作序列，从而提升任务执行的成功率和可靠性。这一技术的应用使其在端侧AI领域表现尤为突出。

作为一款轻量级高性能模型，AgentCPM-GUI在手机等端侧设备上运行流畅，展现了清华大学THUNLP实验室与面壁智能在AI技术上的深厚实力。未来，这款GUI Agent有望进一步推动端侧AI的普及与应用，助力智能设备迈向更高效的交互时代。