A Alibaba lançou esta semana o Qwen-UI-Agent, um agente GUI de base que controla dispositivos móveis, desktops, navegadores web e tarefas de pesquisa profunda — e que supera o GPT-5.6 Sol e o Claude Opus 4.8 em 12 a 14 pontos percentuais em controle de dispositivos móveis. A margem é grande o suficiente para importar. E o que torna o benchmark mais crível é o que a maioria das pessoas ignora: enquanto a OpenAI e a Anthropic treinaram seus agentes em simuladores, a Alibaba executou seu loop de treinamento em uma fazenda de mais de 100 smartphones físicos reais.
A lacuna entre simulação e realidade tem sido o modo de falha silencioso de todo agente de uso de computador implantado em produção. A Alibaba abordou isso diretamente.
Os Números
No MobileWorld, o Qwen-UI-Agent pontua 82,1%, comparado a 70,1% do GPT-5.6 Sol e 67,5% do Claude Opus 4.8. No MobileWorld-Real — mais de 400 tarefas executadas em telefones reais — ele atinge 92,2%. A taxa de sucesso diária no Android é de 97,5%.
No web e pesquisa profunda, o modelo se sustenta: 73,6% no WebArena, 64,1% no BrowseComp. No uso de desktop, a concorrência é mais acirrada. O Qwen-UI-Agent pontua 79,5% no OSWorld-Verified — sólido, mas atrás do Claude Fable 5 (85,0%) e do Qwen3.8-Max (86,1%).
Terminal e tarefas de codificação continuam sendo o território do GPT-5.6 Sol. No Terminal-Bench 2.1, o GPT-5.6 Sol pontua 88,8% contra 86,6% do Qwen. Não é uma grande diferença, mas se mantém.
A Abordagem de Treinamento
O que diferencia o Qwen-UI-Agent é sua abordagem de treinamento. Enquanto a maioria dos agentes GUI é treinada em emuladores Android e conjuntos de dados de capturas de tela — uma abordagem que encontra um problema previsível: o emulador se comporta de forma diferente do hardware real — a Alibaba construiu um ambiente móvel ao vivo com mais de 100 smartphones físicos executando mais de 150 aplicativos.
O ambiente não foi usado apenas para avaliação, mas durante todo o treinamento e o aprendizado de reforço online. A empresa executou RL sobre trajetórias com mais de 100 passos, com aproximadamente 10.000 ambientes paralelos para acelerar o rollout.
O resultado mais importante é a comparação entre o MobileWorld (simulado) e o MobileWorld-Real (dispositivos físicos): 82,1% contra 92,2%. O desempenho se manteve — algo incomum neste espaço.
Arquitetura
O Qwen-UI-Agent é um agente GUI de base que opera em quatro ambientes: dispositivos móveis (Android), computadores desktop, navegadores web e tarefas de pesquisa profunda. Ele vem da equipe Tongyi-MAI da Alibaba, e o relatório técnico foi publicado no arXiv em 29 de julho de 2026.
O modelo está disponível através do Alibaba Cloud Model Studio (anteriormente DashScope) com pagamento por uso. O acesso de terceiros através do OpenRouter está ativo. Novas contas do Alibaba Cloud recebem 1 milhão de tokens por modelo elegível, válidos por 90 dias no endpoint de Singapura.
Os pesos do modelo ainda não são públicos. A Alibaba afirma que está concluindo avaliações de segurança e espera liberar os pesos em aproximadamente duas semanas.
O Que Isso Significa Para a Indústria
O Qwen-UI-Agent representa uma mudança na equação de agentes GUI em 2026. Eles não são mais o domínio exclusivo da OpenAI e da Anthropic. Os números em dispositivos móveis do modelo são difíceis de contestar.
Para empresas construindo automação móvel, fluxos de trabalho multiplataforma ou qualquer caso de uso agêntico onde o agente precisa controlar um telefone real, o Qwen-UI-Agent vale a avaliação agora. Se o ambiente principal for desktop ou pesado em terminal, o Claude Fable 5 ou GPT-5.6 Sol continuam sendo opções mais fortes.
A concorrência ficou mais específica — e isso é melhor para os desenvolvedores do que um provedor vencendo tudo.