Mano大模型登顶双榜SOTA，AI智能体告别手动点击时代！

type

status

date

slug

summary

引言

我们正处在一个被屏幕包围的时代。据统计，人的一生中平均有近9年的时间花在手机上，而对于办公室人群，这个数字只会更高。在无尽的点击、勾选、复制粘贴中，我们的时间和注意力被不断蚕食。如果有一种技术，能将我们从这些繁琐的图形用户界面（GUI）操作中解放出来，会是怎样的体验？这就是GUI智能体（GUI Agent）诞生的使命。

然而，让AI像人一样理解并操作千变万化的软件界面，其难度远超生成一段流畅的文本。长期以来，GUI智能体的成功率一直是行业痛点。正是在这一背景下，明略科技推出的专有大模型Mano横空出世，凭借其在全球两大权威基准测试Mind2Web和OSWorld上的SOTA（State-of-the-Art，即当前最先进）成绩，为整个领域带来了范式级的突破，宣告了GUI智能操作新时代的开启。

Mano的SOTA成就：不止是数字上的超越

Mano的强大并非空谈，它在两个业界公认最具挑战性的基准测试中，用数据证明了自身的领先地位。

* 网页端霸主：Mind2Web测试 Mind2Web是一个极其复杂的网页任务基准，覆盖了137个真实网站和超过2350个真实世界任务，从在线购物到预订机票，无所不包。它考验的是AI智能体在多变的网页DOM结构中精准定位元素并完成连续操作的能力。Mano在此测试中的元素精度（Ele.Acc）和步骤成功率（Step SR）两项关键指标上，均显著超越了以往的所有SOTA模型。这表明Mano不仅“看得准”，更能“做得成”，能够将复杂的用户指令转化为一连串成功的实际操作。

* 桌面端珠峰：OSWorld-Verified测试 如果说Mind2Web是网页挑战，那么OSWorld-Verified就是桌面操作的“珠穆朗玛峰”。它涵盖了369个跨应用任务，涉及浏览器、办公软件等10大类应用，要求智能体在真实的操作系统环境中完成端到端的复杂任务链。在这一严苛的测试中，Mano在一次运行中就取得了40.1%的惊人成功率，将平均成功率拉高至41.6%，相比同类顶尖模型提升了近7个百分点。这标志着Mano在理解和操作复杂桌面环境方面，达到了新的高度。

核心揭秘一：首创在线强化学习新范式

Mano之所以能够取得如此突破性的成就，其背后是两大核心技术创新。首先是其在GUI智能体领域首次引入的在线强化学习（Online Reinforcement Learning）训练范式。

传统的AI智能体训练大多依赖于离线强化学习，即使用预先收集好的固定数据集进行训练。这种方式虽然有效，但无法完全模拟真实世界中动态、多变的交互环境。GUI界面的一个微小更新，就可能让离线训练出的模型“束手无策”。

Mano的技术团队认识到，智能体必须在真实环境中“摸爬滚打”，才能学会真正的适应性。为此，他们构建了一个渐进式的三阶段优化流程：

监督微调（SFT）：使用高质量的人工和模拟交互数据，对模型进行基础训练，得到一个初始模型。

离线强化学习：利用GRPO等先进算法，在离线数据集上进一步优化模型的决策能力，使其具备高效交互的基础。

在线强化学习：这是Mano的“杀手锏”。团队构建了一个包含真实浏览器和桌面环境的模拟环境池，让模型在其中不断与真实环境交互、试错、学习。就像OpenAI Five通过海量的自我对战成为Dota 2顶尖玩家一样，Mano在与真实GUI的持续交互中，采集到离线数据无法覆盖的丰富轨迹，从而极大地提升了模型的鲁棒性和泛化能力。

为了解决在线学习成本高昂的问题，Mano采用了创新的“在线采样+离线过滤”策略，先高效收集交互轨迹，再筛选出有价值的数据进行训练，实现了成本与效果的最佳平衡。消融实验证明，正是这一在线强化学习阶段，让模型的性能实现了质的飞跃。

核心揭秘二：智能探索器与自动化数据飞轮

高质量的训练离不开海量、优质的数据。传统上，构建GUI交互轨迹数据需要大量人工标注，成本高昂且效率低下。Mano的第二大创新，就是设计了一套训练数据自动采集的“探索器”，从根本上解决了数据瓶颈。

这个自动化流程如同一个不知疲倦的智能探索者：

智能目标生成：利用大语言模型自动为目标网站或软件生成需要探索的功能清单，并进行优先级排序。

精准元素提取：通过定制的Chrome插件和桌面解析技术，全面、精准地抓取界面中所有可交互的元素，并过滤掉无效信息。

自动化语义标注：再次利用大模型，为提取的每个元素自动生成功能描述、交互类型等语义标签，形成结构化的训练数据。

高效探索策略：采用深度优先搜索（DFS）等策略，智能地选择下一步操作，避免无效循环，在保证探索覆盖率的同时提升效率。

通过这套自动化系统，Mano构建了一个强大的数据飞轮：模型通过探索产生新的高质量数据，这些数据又被用来训练出更强的模型，更强的模型又能进行更深入、更广泛的探索。这种持续自我迭代的能力，是Mano能够不断进化的关键。

Mano的商业价值与未来展望

Mano的诞生并非一次单纯的学术炫技，其背后是明略科技在数据智能领域多年积累的厚积薄发。这项技术已经成为其商业数据分析智能体DeepMiner的核心引擎。

在当前AI Agent市场，大多数产品依赖于平台开放的API来获取数据，来源单一且壁垒不高。而真正的商业价值洼地，在于那些没有API接口、需要用户手动登录、筛选、导出的专业网站数据。Mano的拟人化GUI操作能力，使其能够轻松攻克这些数据孤岛，为企业提供独家、实时的商业洞察，构筑了坚实的技术护城河。

从知识图谱的构建，到多模态大模型的研发，再到如今GUI智能体的突破，Mano的成功是技术与商业深度融合的典范。它不仅将自动化操作的边界推向了新的远方，也为我们展示了人工智能（AI）走向更通用、更实用的AGI（通用人工智能）路径。

未来，随着在验证码处理、端侧部署等方面的持续优化，Mano这类先进的GUI智能体将彻底改变我们与数字世界的交互方式，让我们真正从重复性劳动中解放出来，聚焦于更有创造力的工作。

对前沿AI技术和最新AI资讯感兴趣的读者，可以访问AI门户网站 https://aigc.bar 获取更多关于大模型、Prompt工程和AI变现的深度内容。