手机 agent 不用拼数据量了：110 个 App 练出来的开源模型，未见过 App 成功率涨到 67.5%

开源手机 agent 一直有个尴尬：大厂的训练数据锁在自家系统里，外面的人就算拿到模型，也复现不出“能替你跨 App 办事”的本事。南京大学、商汤等团队 10 月 25 日公开的 OpenMobile-2，换了个解法——不拼数据量，拼 App 的种类。

它基于 Qwen3.5 9B 和 Qwen3.6 27B 做了两个版本，连同训练环境、数据集和搭建说明一起开源。训练场叫 MobileGym++，里面有 110 多个 App，其中 35 个是团队复刻的商用风格 App，带真实内部状态和跨 App 流程；另有近 1.2 万条轨迹做监督微调、2000 多个带自动验证的可执行任务做强化学习。更关键的是，它不只会点屏幕，还能在 50 多个 App 里调用 300 多个 App 原生工具，比如在健身 App 里直接调“搜课程”——点按和调接口混着用。

最值得看的结论是控制变量实验：数据量不变，只把练过的 App 种类铺开，未见过 App 的成功率就从 60.7% 涨到 67.5%。论文口径的基准成绩是 AndroidWorld 79.9、MobileWorld 50.4，真机迁移的 SPA-Bench 从 31.9 涨到 59.6。也就是说，手机 agent 的泛化瓶颈可能不在“喂了多少条数据”，而在“见过多少种 App 的活法”。

对谁有用：做手机 agent、端侧助手、自动化测试的人，可以直接拿它的环境和方法论当起点——先把自家目标 App 的种类铺开，再谈数据规模；普通用户则不用急着装，等真机表现和权限风险被更多人复现后再看。要注意，基准分数是论文方口径，尚未见独立第三方复现，67.5% 那个数字说的是“未见过 App”这个特定口径，不是日常所有任务的成功率。

可信度：论文口径（arXiv 公开论文 + 媒体 10 月 25 日报道交叉），基准数字为作者自报，尚未独立复现。