手机AI从听话到能干活:中兴91分夺冠,完成率93%意味着什么
手机AI助手正从"听话"向"能干活"进化。2026年6月,第三方测评机构SuperCLUE发布了手机GUI智能体专项榜单,中兴Nebula-GUI以91.29分拿下总分第一,甩开第二名智谱AI超过18分。排名2至6位的分别是阿里Mobile-Agent-3.5(67.74分)、阿里MAI-UI(65.91分)、阶跃星辰GELab-Zero(54.26分)、字节跳动UI-TARS(30.19分)。这个成绩意味着什么?手机AI现在到底能做到什么程度?下面把这次测评的关键信息梳理清楚。1
这次测评到底测什么?三个维度看懂手机AI能力
SuperCLUE的AgentCLUE-Mobile测评在统一ADB手机交互与纯视觉输入环境下进行,模拟用户真实操作场景来评估智能体的决策质量。测评围绕三大维度展开:复杂意图拆解与动态规划考察AI能否听懂"帮我订明天去上海的高铁票并同步到日历"这类模糊指令,并拆分成清晰步骤;多模态GUI感知与理解看AI能否看懂屏幕上按钮、输入框、文字的位置关系;跨应用全链路执行则测试AI在微信、地图、订票App之间连续操作不迷路的能力。2
题目难度呈"倒金字塔"结构,困难题目占比最高。测评设置了"打开某视频App搜索剧集调整倍速"这类简单任务,也有"从钉钉收邮件下载附件转PDFOCR识别文字生成会议摘要复制进飞书@负责人设提醒再截图发微信"这类20步跨应用长链路任务。评判方式采用"视觉状态对比+单步模型初审+人工终审修正"的人机协同机制,每步操作由裁判模型逐帧判定有效性,再经人工复核校验,确保评分客观。3
| 产品 | 总分 | 意图拆解 | GUI感知 | 跨应用执行 | 完成率 | 平均步数 |
|---|---|---|---|---|---|---|
| 中兴Nebula-GUI | 91.29 | 第一 | 第一 | 第一 | 93% | 10.83步 |
| 智谱AI Open-AutoGLM | 73.11 | 第二 | 第二 | 第二 | 60% | 13.74步 |
| 阿里Mobile-Agent-3.5 | 67.74 | 第三 | 第三 | 第三 | 59% | 12.15步 |
| 阿里MAI-UI | 65.91 | 第四 | 第四 | 第四 | 56% | 17.23步 |
| 阶跃星辰GELab-Zero | 54.26 | 第五 | 第五 | 第五 | 35% | 16.75步 |
| 字节跳动UI-TARS | 30.19 | 第六 | 第六 | 第六 | 18% | 20.62步 |
中兴领先18分,到底强在哪?
中兴Nebula-GUI采用"感知-决策-执行"闭环架构:用户下达自然语言指令后,智能体基于屏幕截图进行视觉理解与任务规划,生成坐标点击、文本输入等动作指令,经ADB传输至手机执行,执行后的新截图再回传形成循环迭代。这套架构的核心在于UI元素定位能力——中兴在这项拿下93.17分,能精准识别"右上角那个灰掉的分享按钮""健康码页面里跳动的加载圈""挂号页弹出的滑动验证码",几乎达到人眼识别水平。4
从结果指标看,中兴完成率93%,平均每题仅10.83步,既快又准。相比之下,第二梯队完成率56%至60%,步数却高出两到七成;排名最后的字节跳动UI-TARS平均20.62步仅换回18%成功率,存在大量无效操作。更关键的是,中兴在简单任务(96.99分)和困难任务(85+分)上均保持高分,实现"全难度通吃",而部分竞品出现困难任务得分反超中等任务的"难度逆序"现象,说明中等任务中的多意图并行与隐式判断对它们的规划稳定性挑战更大。2
18分差距是技术代差还是评测场景局限?
中兴在这次专项测评中优势明显,但91.29分是否代表手机AI的完整能力?答案并不简单。复旦大学白泽团队的安全测评指出,主流手机AI助手已具备"读屏+模拟点击"的上帝视角能力,部分产品权限申请超过100项,敏感权限占比高达46.4%。这意味着AI能力越强,系统涉入度越深,隐私风险需要用户主动管理。中兴强调其离线可用性和隐私保护设计,但跨应用长链路执行依赖App开放程度,微信等头部应用的支持仍有限。6
从更广的视角看,中国电信终端研究中心的AI手机场景智能评测中,华为Mate80 Pro Max综合得分排在首位,与SuperCLUE的GUI智能体专项测评结果存在差异。两类测评侧重点不同:后者聚焦于"一句话让AI自动操作多个App"的能力,前者则综合评估影像、系统流畅度、隐私保护等维度。不同榜单的排名差异说明,手机AI不存在全能冠军,选购时需要明确自己的核心需求——是想让AI帮你完成跨应用长链路任务,还是更看重端侧隐私保护或影像处理能力。7
当前文章无评论,是时候发表评论了