Tencent julkaisi maanantaina UI-Mate-27B:n, avoimen mallin joka ohjaa tietokoneen työpöytää. Malli lukee kuvakaappauksia ja palauttaa näppäimistö- ja hiirikomentoja. Painot ovat ladattavissa Apache 2.0 -lisenssillä.
Samalla ilmestyi pienempi UI-Mate-9B sekä dokumenttihakuun tarkoitettu EVIE-Preview-4.5B. Kaikki kolme ovat vapaasti saatavilla, eikä niille ole isännöityä rajapintaa.
Malli ohjaa työpöytää kuvakaappausten perusteella
UI-Mate-27B ei ole keskustelumalli. Se saa syötteekseen kuvan näytöstä ja tuottaa toimintoja pyautogui-yhteensopivassa muodossa. Toiminnot ovat klikkauksia, näppäinpainalluksia ja osoittimen liikkeitä.
Malli toimii kolmella käyttöjärjestelmällä. Tencent kertoo tukevansa Ubuntua, Windowsia ja macOS:ää. Yhtiö tarjoaa lisäksi ilmaisen macOS-sovelluksen, joka toimii vain Apple Siliconilla.
Pohjana on Alibaban malli. UI-Mate-27B on jatkokoulutettu Qwen3.6-27B:stä ja pienempi UI-Mate-9B Qwen3.5-9B:stä. Tencentin oma työ on siis jälkikoulutuksessa, ei perusmallissa.
Vertailuluvut ylittävät Kimi-2.6:n
Tencentin omissa mittauksissa UI-Mate-27B saa 77,0 pistettä OSWorld-Verified-testissä. Kimi-2.6 jää samassa testissä 73,1 pisteeseen. WindowsAgentArenassa ero on 2,9 pistettä Tencentin hyväksi.
Kokoero tekee vertailusta kiinnostavan. Kimi-2.6 on biljoonan parametrin malli, josta aktiivisena on 32 miljardia. UI-Mate-27B on 27 miljardin parametrin malli, joten ajokustannus on murto-osa.
Pienempi versio jää selvästi jälkeen. UI-Mate-9B saa 66,2 pistettä OSWorld-Verifiedistä ja 61,7 WindowsAgentArenasta. Ero isompaan malliin on noin kymmenen pistettä.
Luvut kannattaa lukea varauksella. Ne ovat Tencentin itsensä ajamia, eikä vahvin tulos perustu julkiseen testiin. OSWorkerBench-vertailua ei voi toistaa yhtiön ulkopuolella.
Esimerkit nostavat onnistumisprosenttia
Julkaisun kiinnostavin yksityiskohta on esimerkkien käyttö. Kun malli saa ohjeen lisäksi yhden tallennetun suorituksen samasta tehtävästä, tulos paranee huomattavasti.
Tencent mittasi vaikutusta 33 tehtävän toimistotestillä. Tiukka onnistumisprosentti nousi 17,2:sta 35,4:ään eli yli kaksinkertaistui. Yksi näytetty suoritus riitti muutokseen.
Käytännön merkitys on suuri. Yritysten omat järjestelmät ovat harvoin geneerisiä, ja mallin kouluttaminen niihin on kallista. Jos yksi nauhoitettu työnkulku riittää tuplaamaan onnistumisen, käyttöönoton kynnys laskee selvästi.
Käyttöönotto vaatii oman ajoympäristön
Malli ei suorita mitään itse. Se ennustaa toiminnot, mutta niiden toteuttamiseen tarvitaan erillinen ajoympäristö. Tämä osuus jää käyttäjän rakennettavaksi.
Laitevaatimukset ovat kohtuulliset. UI-Mate-27B vaatii BF16-painoilla noin 55 gigatavua muistia, mikä mahtuu yhdelle 80 gigatavun kiihdyttimelle. UI-Mate-9B tarvitsee noin 19 gigatavua.
Tencent varoittaa itse käyttörajoista. Mallikortti kehottaa välttämään korkean riskin ja peruuttamattomia tehtäviä. Valvomaton työnkulku tai asiakasrajapinta ei siis ole vielä oikea paikka.
Mukana tullut EVIE-Preview-4.5B on eri asia. Se on hakumalli, joka koodaa sivukuvat 128-ulotteisiksi vektoreiksi dokumenttipainotteista hakua varten. ViDoRe V3 -testissä se saa 64,40 pistettä ja ohittaa niukasti vertailumallin.
Yhteenveto
UI-Mate-27B on ensimmäinen avoin malli, jolla on uskottava väite kärkitason tietokoneenohjauksesta. Apache 2.0 -lisenssi ja paikalliset painot tarkoittavat, että sen voi osoittaa järjestelmiin, joita ei koskaan avattaisi isännöidylle rajapinnalle.
Vertailuluvut odottavat kuitenkin riippumatonta vahvistusta. Datanorthin arvion mukaan malli kannattaa ottaa kokeiluun, mutta ei tuotantoon ilman valvontaa. Ero pilotin ja tuotannon välillä on tässä tapauksessa poikkeuksellisen suuri.