GUI Agent技術全稱為圖形用戶界面智慧型代理，是基於多模態視覺模型驅動的人工智慧系統，能夠模擬人類操作圖形界面完成互動任務。2025年12月1日，階躍星辰開源GUI Agent技術套組GELab-Zero，包含4B參數模型GELab-Zero-4B-preview及配套基建，該模型在手機端、電腦端等GUI榜單刷新同尺寸模型性能紀錄，達成SOTA成績。該技術方案截至2025年12月已覆蓋主流移動設備廠商，並在適老化場景實現突破性套用。豆包手機助手通過作業系統層深度合作方式與廠商開展生態協同，其工程樣機nubia M153於同期發布。2025年12月17日，階躍星辰宣布GUI Agent全面升級，包括雲端模型Step-GUI全量上新，任務場景突破200+，支持超長步驟推理，並開放GUI-MCP協定。GUI Agent技術在實際套用中需遵循安全規範，涉及金融類套用時採取授許可權制措施。
基本介紹
- 中文名：GUI Agent技術
- 定義：圖形用戶界面智慧型代理
發展歷史,行業套用與爭議,技術路線對比,定義,
發展歷史
2025年12月1日，階躍星辰開源了與豆包手機助手同類型的GUI Agent技術套組GELab-Zero，同時開源了4B參數的GUI Agent模型（GELab-Zero-4B-preview）及配套基建。該模型在手機端、電腦端等多個GUI基準測試中，在同尺寸模型中取得了較好的性能表現。相關技術方案已套用於移動設備生態，截至2025年12月，已覆蓋多家主流移動設備廠商，並在適老化套用場景的套用得到拓展。
當日，豆包手機助手與中興通訊合作的工程樣機nubia M153搭載技術預覽版本發售，中興通訊A股封死漲停板，H股漲超13%。豆包團隊表示沒有自研手機計畫，通過與手機廠商在作業系統層面進行深度合作的方式開展生態合作。
2025年12月17日，階躍星辰宣布對GUI Agent進行升級，包括雲端模型Step-GUI全量上線，支持的任務場景超過200個，支持長步驟推理，並開放了GUI-MCP協定。
2026年1月，在美國智庫亞洲協會舉行的“中國的DeepSeek時刻”研討會上，諮詢公司DGA Group合伙人Paul Triolo與耶魯大學法學院高級研究員Samm Sacks對豆包AI手機的技術進行了討論。美國投資人Taylor Ogan在社媒平台X上發布了通過英文語音指令演示豆包AI手機完成任務的實測報告，相關帖子閱讀量超過90萬。有觀點認為，豆包AI手機將人機互動從文本階段推進到作業系統與多智慧型體協同的階段。
行業套用與爭議
2025年12月，工信部牽頭制定的《人工智慧 智慧型體互聯》系列標準正式發布，明確要求GUI Agent技術需遵循套用開發者授權機制。螞蟻集團作為核心參編方，其AHA解決方案被列為行業實踐參考，標誌著國內GUI Agent技術進入規範化發展階段。
2026年初，豆包AI手機引發的爭議持續受到關注，凸顯了GUI Agent技術對平台商業模式和用戶注意力的影響。分析指出，該技術直接操作用戶界面可能削弱平台對流量和廣告的控制，導致部分網際網路套用採取限制措施。同時，智慧型體技術的標準化進程加速，2025年Linux基金會成立Agentic AI基金會，旨在推動全球互操作性標準。專家強調，缺乏統一標準可能阻礙智慧型體互聯互通，而中國在標準制定上的進展可能具有全球影響。
技術路線對比
全球主流的智慧型助手如谷歌Gemini和蘋果Siri嚴格遵循API調用方式（如谷歌Gemini僅在用戶請求時調用郵件數據且不執行發件等敏感行為），通過應用程式編程接口實現功能對接。相比之下，豆包手機助手採用了直接操作GUI的激進方案，試圖繞過微信、支付寶等主流App的安全體系，通過用戶授權直接操作應用程式界面。這種方案因突破現有安全機制引發了行業爭議，同時期階躍星辰也開源了同類型技術GELab-Zero，形成技術路線差異化的行業參照。
不同方案的合規性處理形成顯著對比：豆包因激進方案遭遇多款APP拒絕登錄後被迫調整金融類套用操作許可權，而谷歌/蘋果方案則通過事前明確許可權告知（如調用第三方套用時需用戶主動登錄並點擊授權）維持了監管兼容性。主流移動設備廠商在技術套用中普遍採用API對接方案，通過與應用程式開發者合作確保符合行業規範和監管要求。
技術路線的規範化進程也在推進，2025年12月，中國工信部牽頭制定的《人工智慧 智慧型體互聯》系列標準正式發布，明確要求GUI Agent技術需遵循套用開發者授權機制。
定義
圖形用戶界面智慧型代理。
