К содержимому
Компьютерное зрение

GUI Agent OpenMobile-2 9B

агент для мобильных интерфейсов

1 мин чтенияобновлено

Это полный экспорт актора на шаге обучения 50, дообученного от OpenMobile-2/OpenMobile-2-9B в симуляторе MobileGym. Архитектура — Qwen3_5ForConditionalGeneration, около 9,41 млрд параметров; задача — image-text-to-text для GUI-агента. В репозитории есть веса model.safetensors, токенизатор, процессор, chat template и конфиги генерации.

Ключевые особенности

  • Полный inference-экспорт: веса, tokenizer, processor, chat template и generation config.
  • Дообучение методом Anchor-GRPO с наградой за успех цели, process-reward coefficient anchor_lambda = 3.0 и action advantage coefficient tool_advantage_kappa = 0.25.
  • Есть штраф за format-error через format_advantage_coef = 1.0; нормализация policy loss фиксированной длины — 1024.
  • Обучение шло в симуляторе MobileGym; это чекпоинт шага 50, рядом доступен вариант шага 71.
  • В карточке нет заявленных результатов оценки — только provenance и состав экспорта.

Пример

Сценарий: агенту дают скриншот мобильного экрана и текстовую цель; модель должна выбрать следующее действие. Для запуска нужен Transformers с поддержкой Qwen3_5ForConditionalGeneration и сохранённые processor/chat template.

ПодробнееМетод: Anchor-GRPO, reward за успех цели, anchor_lambda = 3.0, tool_advantage_kappa = 0.25.
Штраф за format-error: format_advantage_coef = 1.0; нормализация policy loss — 1024.
В карточке нет подтверждённых результатов оценки; заявленных бенчмарков и требований к VRAM тоже нет.
Нужен Transformers с Qwen3_5ForConditionalGeneration; сохраняйте processor и chat template.
В экспорт не входят optimizer state, training shards, трассы задач и credentials.
Обсудить Telegram 0 11

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 18 GB · готовые файлы20 GB
  • FP8 / INT8рекомендуемвеса 8.8 GB10 GB
  • 4-bitвеса 4.9 GB5.9 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2080 Ti · BF16 — от RTX 4090

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # mobilegym/gui-agent-openmobile2-9b-grpo-step50
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download mobilegym/gui-agent-openmobile2-9b-grpo-step50 --local-dir ~/models/gui-agent-openmobile2-9b-grpo-step50
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к gui-agent-openmobile2-9b-grpo-step50
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

OpenMobile-2/OpenMobile-2-9B
  1. Qwen3.5-9B-Baseоснова семьи
  2. Qwen3.5-9B
  3. OpenMobile-2-9B
  4. gui-agent-openmobile2-9b-grpo-step50

Новые посты про версии Qwen3.5-9B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 6Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

mobilegym/gui-agent-openmobile2-9b-grpo-step50
Автор
mobilegym
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

110

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

KaziAI-Agent-1.0

KaziAI-Agent-1.0