阿里千问在云栖大会发布手机 Agent 方案 Qwen Intelligence

Qwen Intelligence 的发布叙事没有从模型能力讲起，而是先给了一个约束：手机上的任务是有状态的——工具有依赖和权限，每一步都会改数据，用户往往不把偏好说全，执行中还要看反馈再改计划。发布方由此得出的结论是，通用对话模型盖不住这件事。

这解释了方案为什么不做全能助手，而是按职责拆成三件可交付的能力：规划、执行、创作。换句话说，它把「一个模型包打天下」的问题，改写成了「状态、权限与反馈由谁承接」的工程问题。这一判断来自发布方自述，属于 source_claim，而非已被独立验证的结论。

Mobile Planner Agent 被定位为规划层，负责把一句话拆成可执行步骤、编排工具，并在中途改计划。发布方举的例子是「周一去上海出差」会被拆成订票、订酒店、写日历、排行程，航班取消后再改签。

技术形态上，它被描述为「模型 × Harness」闭环：模型负责理解、规划和决策，Harness 管状态、记忆和技能。记忆分两层，工作记忆跟当前任务走，长期记忆把经验收成用户画像。发布方称该 Agent 在 MobilePA-Bench、MobilePA-Bench Business 与 Memory 上排名第一。

值得注意的正是长期记忆这一层。有评论者指出，「把经验收成用户画像」这句话里混了两类东西：偏好（他习惯订早班机）和授权（他能批多少、能动哪个账户）。前者记错了道个歉就行，后者记错了就是越权执行。这是外部评论而非发布方说明，但它指向的边界问题，在方案文本里确实没有被单独拆开。

Mobile-Use Agent 是执行层，路线是能走接口就走接口：MCP、API、DeepLink、CLI；没有接口再退回看屏幕、点界面。这一优先级排序本身，说明发布方把 GUI 操作当作兜底而非首选。

敏感动作被划了边界：高风险请求拒绝，付款和删除交给用户确认，发评论一类动作交还用户。也就是说，越接近不可逆或涉及资金的操作，自动化程度越低。

发布方给出的执行侧数字包括 MobileWorld 82.1、MobileWorld-Real 92.2、AndroidDaily 97.2，以及 90% 的端到端成功率。这些数字均出自发布方口径，来源为二手转述，尚无第三方复现，只能按 source_claim 看待。

Mobile Creative Agent 是创作层：用户说话，规划模型先把它收成明确指令，再出可直接用的图，例如一句话生成排好版的复古日记。发布说明称，蒸馏和强化学习把生成从 100 步压到 8 步，首图约 3 秒，大约比主要竞品快一倍。这些速度与倍数同样属于发布方口径。

与三个 Agent 同时公开的是四套基准，各自对应一个此前容易被含糊处理的问题：MobilePA-Bench 量有状态的工具规划，覆盖工具调用、记忆、技能、子 Agent 协作；MobileWorld 量云端环境里的长程、跨应用执行，含向用户澄清和 MCP 工具；MobileWorld-Real 量真机、真实账号和网络下的日常任务；MobileWorld-Safety 量风险场景下会不会做出不安全动作。

把评测一起放出来，等于把「凭什么说好」的标准也摆上台面。但基准由发布方同步提出，意味着评价尺度与产品出自同一方；在第三方用这些基准复现之前，排名与分数更适合被读作待检验的声明，而不是既成事实。

把三层拆开看，规划层承接状态与记忆，执行层承接权限与不可逆动作，创作层承接指令澄清。三者共享的薄弱环节，恰恰是长期记忆：它既要记住用户偏好，又可能触及用户授权范围。

发布方文本把两者都收进「用户画像」这一表述，没有说明偏好与授权是否分属不同存储、不同确认流程。外部评论已经点出这一风险：偏好记错可以道歉，授权记错就是越权执行。这是基于来源的推断，而非发布方承认的问题。

因此，Qwen Intelligence 目前可确认的是方案结构与发布方自报的能力口径；不可确认的是这些能力在真实账号、真实网络与长期使用下的稳定性，以及长期记忆的权限边界如何被约束。四套基准里虽有 MobileWorld-Safety，但它量的是风险场景下会不会做出不安全动作，并不直接回答授权记忆如何分家。