Qwen-UI-Agent من علي بابا: نموذج ذكاء اصطناعي يتعامل مع الهاتف والكمبيوتر كما يفعل الإنسان

ما هو Qwen-UI-Agent؟

أطلقت علي بابا في 20 أغسطس 2026 نموذج Qwen-UI-Agent، وهو نموذج أساس لوكيل ذكاء اصطناعي مخصص للتعامل مع واجهات البرامج الرسومية. الفكرة ببساطة أن النموذج لا يعتمد حصراً على واجهات برمجة التطبيقات (APIs) أو أدوات داخلية خاصة بكل تطبيق، بل ينظر إلى الشاشة كما ينظر إليها المستخدم، ثم ينفذ النقرات والضغط على لوحة المفاتيح وإدخال النص والتمرير. ويغطي ذلك الهواتف وأجهزة الكمبيوتر وتصفح الويب وبيئات البحث العميق DeepSearch. ونُشر التقرير التقني للنموذج على منصة arXiv في 30 يوليو 2026. 3 33

أهمية هذا النهج أنه قد يسمح بأتمتة خدمة لا توفر واجهة برمجة تطبيقات مناسبة. لكن قراءة النتائج تحتاج إلى شيء من الحذر: تفوق Qwen-UI-Agent المعلن أوضح على الهواتف، وخصوصاً عند اختباره على أجهزة حقيقية، وليس بالضرورة في كل مهام الكمبيوتر والويب.

كيف يتعامل النموذج مع الشاشة؟

بدلاً من إرسال أوامر منظمة مباشرة إلى التطبيق، يحلل Qwen-UI-Agent العناصر الظاهرة على الشاشة، ويحدد الزر أو الحقل المطلوب، ثم يختار الإجراء المناسب: نقرة، كتابة، تمرير أو ضغط على لوحة المفاتيح. كما يستخدم مساحة أفعال موحدة تجمع بين التفاعل الرسومي وتنفيذ أوامر سطر الأوامر، ما يتيح له الانتقال في المهمة نفسها بين المتصفح وتطبيق سطح المكتب والطرفية. ويصف التقرير أيضاً إمكانية تنفيذ مجموعة من الأفعال في دورة واحدة للنموذج، بهدف تقليل كلفة المهام متعددة الخطوات. 1

وهذا يختلف عن وكيل يعتمد على تكامل خاص مع كل تطبيق. فبدلاً من الحاجة إلى واجهة برمجية مخصصة لكل خدمة، يستطيع الوكيل - من حيث المبدأ - استخدام الواجهة التي يستخدمها الإنسان نفسه.

لماذا يشكل التدريب على الهواتف الحقيقية فارقاً؟

قد ينجح وكيل واجهة المستخدم في محاكي، ثم يتعثر عند نقله إلى هاتف فعلي بسبب اختلاف تخطيط الشاشة، وسرعة الاستجابة، وسلوك اللمس، وحالة الجهاز، وطريقة عمل التطبيقات. لذلك أنشأت علي بابا بيئة تشغيل للهواتف الحقيقية تضم أكثر من 100 هاتف فعلي وأكثر من 150 تطبيقاً. واستخدمت هذه الأجهزة في بناء المهام، وجمع مسارات الاستخدام، والتدريب، والتقييم، وليس فقط لعرض تجريبي نهائي. 3 5

كما قدم المشروع معيار MobileWorld-Real، الذي يضم أكثر من 400 مهمة على أجهزة حقيقية عبر تطبيقات للهواتف. ونتيجة 92.2% تعطي مؤشراً مهماً إلى أداء النموذج على العتاد الفعلي، لكنها تظل نتيجة صادرة عن معيار أنشأه المشروع نفسه؛ لذلك لا ينبغي التعامل معها باعتبارها تدقيقاً مستقلاً بالكامل. 1 7

تدريب للمهام الطويلة لا للنقرات المنفردة فقط

يصف التقرير استخدام التعلم المعزز عبر الإنترنت لمسارات تتجاوز 100 دورة، مع أكثر من 10,000 بيئة تشغيل متزامنة لجمع التجارب. كما يعرض حلقة بحثية مؤتمتة يساعد فيها الوكلاء على إنشاء المهام والبيئات، وتشخيص أسباب الفشل، والتخطيط لجولات التدريب التالية. 1

الهدف هنا هو معالجة مشكلة أعمق من الضغط على زر واحد: الحفاظ على حالة المهمة عبر سلسلة طويلة من الإجراءات، وتذكر ما أُنجز، والتعافي من الأخطاء، واختيار الأداة أو الواجهة الصحيحة في كل مرحلة.

ويصف التقرير كذلك أداة خفيفة لسير العمل الذي يحافظ على حالته عبر أجهزة متعددة، إلى جانب بدء الخدمات بصورة استباقية. وهذا يشير إلى مساعد يمكنه مواصلة مهمة عند انتقال المستخدم من الهاتف إلى الكمبيوتر، أو اتخاذ خطوة مفيدة بدلاً من انتظار تعليمات جديدة في كل مرة. لكنها أمثلة على الاتجاه المقصود للنظام، وليست دليلاً على أنه يستطيع إدارة كل مهمة مفتوحة في العالم الحقيقي بأمان ومن دون إشراف. 1

ماذا تقول الأرقام المنشورة؟

بحسب التقرير التقني والمواد المرتبطة به، حقق Qwen-UI-Agent النتائج التالية: 33

• MobileWorld: 82.1%.
• MobileWorld-Real: 92.2% على الأجهزة الحقيقية.
• AndroidDaily: 97.5%.
• OSWorld-Verified: 79.5% لمهام استخدام الكمبيوتر المكتبي.
• OSWorld-v2: 40.0% وفق مقياس التقدم الجزئي.
• WebArena: 73.6% لمهام استخدام الويب.
• ScreenSpot-Pro: 81.5% لتحديد العناصر على واجهة المستخدم.

وفي مقارنة منشورة ضمن المواد المتاحة، سجل GPT-5.6 Sol نسبة 70.1% وClaude Opus 4.8 نسبة 67.5% في MobileWorld، ما يضع Qwen-UI-Agent متقدماً بفارق 12.0 و14.6 نقطة مئوية على التوالي. 7

لكن الصورة أقل حسماً خارج الهاتف. فنتيجة 79.5% في OSWorld-Verified قوية، إلا أن المقارنات المتاحة تضع Claude Opus 4.8 أعلى في هذا الاختبار. كذلك فإن نسبة 40.0% في OSWorld-v2 هي نتيجة تقدم جزئي، وليست ادعاءً بأن النموذج أكمل 40% من المهام كاملة. 33 34 36

أما نتيجة WebArena البالغة 73.6% فهي مدعومة بالمصادر المتاحة، لكن هذه الأدلة لا تثبت تصنيفاً مستقلاً وغير متنازع عليه في المركز الأول ضمن جميع مجموعات المقارنة. وقد تتغير الترتيبات بحسب النماذج المستخدمة، وإصداراتها، وإجراءات التقييم، وتقسيمات الاختبار. 1 8

كيف تبدو مهمة تجمع بين الشاشة والطرفية؟

لا تقتصر أهمية النموذج على قدرته على الضغط على الأزرار. يصف التقرير سير عمل يبحث فيه الوكيل عن معلومات مالية عبر المتصفح وتطبيقات سطح المكتب، ثم يستخدم أدوات سطر الأوامر للتحليل أو التعامل مع الملفات، قبل إنشاء مستند وحفظه داخل تطبيق رسومي. 1

يمنح هذا التصميم الوكيل أكثر من طريق لإنجاز الخطوة نفسها: يستخدم الواجهة المرئية عندما تكون ضرورية، ثم ينتقل إلى الطرفية عندما تكون معالجة الملفات أو تحليل البيانات أسرع هناك. والتحدي الحقيقي هو تنسيق الأداتين مع الحفاظ على حالة المهمة بين التطبيقات المختلفة.

كما يفتح ذلك الباب أمام مساعدة عابرة للأجهزة؛ فقد تبدأ المهمة على الهاتف، وتستمر على الكمبيوتر، وتتطلب استخدام عدة تطبيقات من دون أن توفر كل خدمة واجهة برمجية متخصصة. غير أن نجاح هذا السيناريو عملياً سيتوقف على إدارة تسجيل الدخول، والتعامل مع الشاشات غير المتوقعة، واستعادة المهمة بعد الخطأ، ووضع حدود واضحة أمام الأفعال التي قد تترتب عليها نتائج يصعب عكسها.

السلامة هي الاختبار الأصعب

الوكيل القادر على التحكم في الشاشة قد يصل أيضاً إلى بيانات حساسة، أو يحذف ملفات، أو يرسل نماذج، أو يبدأ معاملات مالية. ولهذا يجب أن يتضمن أي نشر عملي صلاحيات محددة، وطلب تأكيد قبل الدفع أو الحذف أو منح أذونات الخصوصية، وسجلات تدقيق، ومفاتيح لإيقاف المهمة، وآليات للتعافي من الأخطاء.

تذكر بعض المواد الثانوية سلوكيات مثل رفض الطلبات غير القانونية أو عالية الخطورة، وطلب المعلومات الناقصة، والحصول على تأكيد قبل الإجراءات الحساسة. لكن الأدلة الأولية المتاحة في التقرير التقني لا تتحقق بصورة مستقلة من كل عرض أو سياسة من هذه التفاصيل؛ لذلك ينبغي اعتبارها ضوابط مُعلنة أو مقصودة، لا برهاناً نهائياً على جاهزية آمنة للعمل دون إشراف.

ولا تثبت نتائج المعايير وحدها أن النموذج جاهز للعمل داخل حسابات المستخدمين العادية. فالنشر الواقعي يحتاج إلى اختبارات مستقلة على أجهزة وتطبيقات متنوعة، وحدود للصلاحيات، ونقاط تأكيد، وإمكانية مقاطعة واضحة، وسجل يوضح ما فعله الوكيل ولماذا.

ماذا يعني ذلك لمستقبل وكلاء استخدام الكمبيوتر؟

أوضح ما يقدمه Qwen-UI-Agent هو تركيزه على الواجهة الفعلية. فالتدريب باستخدام أكثر من 100 هاتف حقيقي يجعل نتائجه في التحكم بالهواتف أكثر صلة بالواقع من اختبارات تقتصر على المحاكيات. كما أن جمع أفعال الواجهة الرسومية وأوامر الطرفية في مساحة موحدة يقدم تصوراً عملياً لمهام طويلة تمتد بين التطبيقات والمتصفحات وأجهزة الكمبيوتر. 1 3

وتدعم الأدلة خلاصة قوية في مجال الهاتف: Qwen-UI-Agent وكيل بارز لاستخدام الواجهات على أجهزة حقيقية، مع نتائج معلنة رائدة في عدة معايير للهواتف. أما على الكمبيوتر والويب، فالصورة أكثر تحفظاً: الأداء تنافسي، لكنه ليس متفوقاً بصورة منتظمة على كل نموذج متقدم أو في كل معيار.

الاختبار الأهم تالياً لن يكون قدرة الوكيل على إنهاء مهمة مكتوبة مسبقاً في معيار قياسي، بل قدرته على إنجاز عمل يومي مفيد مع البقاء قابلاً للتوقع والمقاطعة، وشرح ما يفعله، والتصرف بأمان عندما تتغير الشاشة أو تصبح النتيجة غير قابلة للتراجع.