AlibabaのQwenチームが実機重視のGUIエージェント「Qwen-UI-Agent」を発表した(https://arxiv[.]org/html/2607.28227v1)。GUIエージェントとは、画面を見て人間のようにタップや入力を行い、スマホやPCのアプリを操作するAIのこと。 多くのGUIエージェントはシミュレーター上のベンチマークには強くても、実際のスマホやPCで動かすと崩れやすい。Qwen-UI-Agentはこのギャップを埋めるため、実機100台以上・150以上のアプリを使った学習と評価に踏み込んでいるのが特徴。 結果は明確で、実機ベンチマークのMobileWorld-Realで92.2%(Claude Opus 4.8を7.5pt上回る)、AndroidDailyで97.5%を記録。ブラウザ操作のWebArenaも73.6%でOpus 4.8を1.7pt上回りトップ。一方でPC操作のOSWorld-Verifiedは79.5%とOpus 4.8(83.4%)に次ぐ2位で、全ての土俵で首位というわけではない。 行動の出し方にも工夫がある。GUI操作とCLI(コマンドライン、文字でコマンドを打ち込む操作方式)を状況に応じて使い分け、複数の操作をまとめて1ターンで出す「バッチ化」を導入。PC操作タスクではアクションの4割以上がバッチ化され、実行ステップ数を大きく減らしている。 面白いのは「先回り」の発想も持たせている点。フライトキャンセルの通知が届いたら、ユーザーが気づく前に代替便を探し、予定と照らし合わせて提案する、という使い方まで想定している。ベンチマークの数字より先に、実機で本当に使えるかを問うアプローチが徹底している。

【報道発表】アリババ、Qwenシリーズ最大規模・最高性能の旗艦AIモデル「Qwen3.8-Max」を発表 ▶️ 🟢総パラメータ数2兆4,000億、最大100万トークンのコンテキストウィンドウに対応。Text Arenaで5位、Vision Arenaで2位にランクインし、圧倒的な性能を実現 🟢先端のスパースMoEアーキテクチャにより高性能と高効率を両立。自律型コーディングやマルチモーダル機能で、複雑で長期的なタスクもスマートに処理 #Qwen# #Qwen3#.8-Max #AI# #LLM# #アリババクラウド#

家庭用ローカルAIモデルは既に実用レベル！ 俺の兄貴がデスクトップPCにQwenのローカルモデル入れた。 メモリ64GB・VRAM12GBのPC（15万円）だけど、 ちゃんと会話ができて、プログラムコードも書ける。 動きもそこまで遅くない。 もうこれ、社会に新しくデータセンター作る必要なくなるかも…

🌍グローバルイベントピックアップ 　　　「VivaTech 2026」 中国AIは「フルスタック」で勝つ。 アリババ会長のジョー・ツァイ氏が、オープンソースLLM「Qwen」やクラウド、EC基盤を一体で展開するAI戦略を紹介。 欧州が重視する「AI主権」とオープンソースの可能性についても語った。 ▾記事▾

【Alibaba Meetup Sapporo まもなく開催】 8/8(土) 札幌にて AlibabaCloud 協力のもとイベントを開催します！ Qwen, HappyHorse, wanなど、様々なモデルについて話せるミートアップです🔥 募集受付中ですので、ぜひお申し込みください ▼詳細 #AlibabaMeetupSapporo#

【CEDEC2026 登壇】 本日、Alibaba Cloudから2セッション！📍第11会場 ▶ 16:20〜 AIを「とりあえず使う」から「戦略的に使いこなす」へ — #Qwen・##Wan・##HappyHorse# の実践活用法 ▶ 16:50〜 エージェント型AIが拓くゲーム開発の新時代 ブースでもデモ体験＆ご相談お待ちしています！お気軽にお越しくださいね🙌 #CEDEC2026# #Qwen# #Wonderclip# #Happyhorse# #Wan# #AI#

【Alibaba Meetup Sapporo開催!】 8/8(土) 19:00〜 札幌にて、AlibabaCloud協力のもと Qwen,HappyHorse,wanなど「コーディングだけではない、様々なモデルついて話せるお祭りミートアップ」を開催します🔥 ぜひ早めのチェック＆エントリーを! ▼詳細 #AlibabaMeetupSapporo#

以下西方公司把AI业务迁移到了中国模型： 1. lindy → deepseek v4 2. cursor → kimi k2.5 3. coinbase → glm-5.2 + kimi 2.7 4. shopify → qwen 5. airbnb → qwen 6. uber eats → qwen2 7. siemens → deepseek + qwen 8. chapsvision → qwen 9. microsoft → testing deepseek v4 说白了，现在就是各家采购在比价选型了

「残高を確認して」と頼んだだけなのに、エージェントが取引履歴やカード情報まで取得していませんか。そんな「頼んでいないのに取りすぎる」問題を初めて体系的に測った研究です。 タイトル: OverAct: Measuring and Mitigating Proactive Over-Authorization in LLM Tool-Calling Agents URL: 銀行・医療・Eコマースなど8ドメイン720エピソードのベンチマークOverActで、LLMエージェントの「能動的な権限超過」を測定した研究です。注目ポイントを3つ紹介します。 🚨 全モデルが許可範囲を有意に超過 Qwen・DeepSeek・GLM・Kimiなど7モデルすべてで、必要最小限を超えたツール呼び出しが発生。スコープ膨張比（SIR）はモデルによって1.18〜2.39に達しました。 ❓ 依頼の曖昧さが過剰取得の最大の予測因子 依頼が精密であればほぼ完全に準拠する一方、曖昧な依頼では2.7倍のスコープ超過が起きました。明確な指示そのものが、最も効果的な予防線になるということです。 🛡️ フィルタリングで43%のプライバシー侵害を削減 提案手法SelfAuditは、ツール呼び出しの正当化理由を生成した上で不当な呼び出しを除去することで、オラクル知識なしにプライバシー侵害を43%削減しました。理由を述べるだけでは逆効果で、明示的な除去が本質的に重要でした。 人間の評価でも、過剰な呼び出しの71.2%が「望んでいなかった」と判定されており、この問題が実感レベルでも無視できないことが分かります。 #AIエージェント# #プライバシー#