Los agentes de inteligencia artificial que utilizan teléfonos inteligentes tienen un desafío particular: aprender a manejar aplicaciones muy diferentes, completar tareas de varios pasos y adaptarse a interfaces que cambian de un servicio a otro.
Gran parte de los datos necesarios para desarrollar estas capacidades se encuentra en manos de grandes compañías tecnológicas, lo que dificulta que los proyectos abiertos puedan competir en las mismas condiciones.
OpenMobile-2 busca reducir esa brecha mediante dos modelos abiertos y un sistema de entrenamiento que reproduce el funcionamiento de aplicaciones móviles.
El proyecto, desarrollado por investigadores de la Universidad de Nanjing, SenseTime y otras instituciones académicas, incluye los modelos, los datos, el entorno de entrenamiento y las instrucciones necesarias para reproducir el proceso.
Según The Decoder, en una información publicada el 25 de octubre de 2026 sobre el estudio difundido en arXiv, los investigadores encontraron que entrenar con una mayor variedad de aplicaciones puede resultar más beneficioso que aumentar simplemente la cantidad de datos.
Qué es OpenMobile-2 y cómo funciona
OpenMobile-2 es un proyecto de investigación centrado en agentes de IA que pueden interactuar con aplicaciones de teléfonos inteligentes mediante interfaces visuales.
Los investigadores desarrollaron dos modelos basados en la familia Qwen:
| Modelo base | Parámetros |
|---|---|
| Qwen3.5 | 9.000 millones |
| Qwen3.6 | 27.000 millones |
Ambos forman parte de un sistema diseñado para aprender a completar tareas dentro de aplicaciones móviles.
Su funcionamiento parte de una condición importante: el agente observa capturas de pantalla, pero no tiene acceso al estado interno de las aplicaciones.
De esta manera, el entrenamiento se centra en interpretar las interfaces y realizar las acciones necesarias para alcanzar los objetivos planteados.
El proyecto también publica el entorno de entrenamiento completo, los conjuntos de datos y las instrucciones para reproducirlo, con la intención de facilitar el desarrollo de agentes móviles abiertos.
Un entorno de entrenamiento con más de 110 aplicaciones
Uno de los principales obstáculos para entrenar agentes móviles es trabajar con aplicaciones reales.
Los inicios de sesión, las compras y las modificaciones permanentes del estado de una aplicación complican la repetición de tareas durante el entrenamiento.
Para resolver esta dificultad dentro de su investigación, el equipo reconstruyó 35 aplicaciones populares, principalmente utilizadas en China.
Entre ellas aparecen plataformas de comercio electrónico como Taobao y JD, servicios de transporte como DiDi y aplicaciones como Meituan. También se incorporaron servicios internacionales, incluidos Slack y Google Drive.
Estas reconstrucciones se combinaron con simulaciones existentes y aplicaciones ejecutadas mediante un emulador Android.
| Componente del entorno | Cantidad |
|---|---|
| Aplicaciones reconstruidas por los investigadores | 35 |
| Aplicaciones simuladas en el entorno, según el gráfico del estudio | 63 |
| Aplicaciones en emulador Android | 62 |
El conjunto proporciona un espacio de práctica que abarca más de 110 aplicaciones.
Para mantener la fidelidad de las reconstrucciones, revisores humanos compararon sus interfaces y secuencias de interacción con las aplicaciones originales hasta conseguir que coincidieran.
El entorno incorpora diferentes características para reproducir tareas complejas:
Los pedidos, presupuestos y planes de viaje pueden conservarse entre sesiones.
La información puede trasladarse de una aplicación a otra mediante el portapapeles.
Cada simulación puede reiniciarse automáticamente para comenzar una nueva ejecución.
Los agentes trabajan a partir de capturas de pantalla de las interfaces.
Estas propiedades permiten repetir tareas en condiciones controladas y comprobar si los agentes alcanzan los resultados esperados.
Más de 11.600 flujos de ejemplo para aprender a utilizar aplicaciones
Los investigadores generaron aproximadamente 11.600 flujos de ejemplo y más de 2.000 tareas de práctica.
Cada tarea dispone de un mecanismo automático para determinar si se completó correctamente.
Durante la preparación de estos datos, el equipo utilizó Gemini 3.1 Pro de Google como modelo profesor.
La combinación de ejemplos, tareas y mecanismos de evaluación permitió construir un proceso de entrenamiento orientado a distintas aplicaciones y secuencias de interacción.
La investigación también incluye un benchmark propio de 215 tareas, de las cuales casi la mitad requieren trabajar con varias aplicaciones.
Su sistema de evaluación compara mediante programación el estado anterior y posterior de la tarea para determinar si se alcanzó el resultado solicitado, en lugar de utilizar otro modelo de lenguaje como juez.
Resultados: mejoras en AndroidWorld, MobileWorld y SPA-Bench
Los resultados publicados por los autores muestran avances en los tres benchmarks utilizados para evaluar los agentes.
En AndroidWorld, el modelo de mayor tamaño pasó de 67,1 a 79,9 puntos, mientras que la variante pequeña aumentó de 54,3 a 74,0.
Como referencia adicional, OpenMobile-1 había registrado 64,7 puntos en ese benchmark.
| Benchmark | Modelo | Puntuación inicial | Puntuación final |
|---|---|---|---|
| AndroidWorld | OpenMobile-2, modelo grande | 67,1 | 79,9 |
| AndroidWorld | OpenMobile-2, modelo pequeño | 54,3 | 74,0 |
| MobileWorld | OpenMobile-2, modelo grande | 35,9 | 50,4 |
| SPA-Bench | OpenMobile-2, modelo grande | 31,9 | 59,6 |
Fuente: resultados comunicados por los autores del estudio.
MobileWorld se centra en tareas más prolongadas que requieren interactuar con varias aplicaciones. En este entorno, el modelo grande mejoró de 35,9 a 50,4 puntos.
En SPA-Bench, una evaluación realizada con dispositivos Android reales, la puntuación del modelo grande aumentó de 31,9 a 59,6.
Según los investigadores, este último resultado representa la mejor puntuación obtenida por un modelo abierto en SPA-Bench, donde OpenMobile-2 queda únicamente por detrás de Gemini 3.1 Pro.
Estos resultados sitúan al proyecto como una propuesta para desarrollar agentes móviles abiertos que puedan afrontar tanto interacciones individuales como tareas que implican distintas aplicaciones.
La diversidad de aplicaciones importa más que acumular datos
Uno de los hallazgos centrales de OpenMobile-2 está relacionado con la composición de los datos de entrenamiento.
Los investigadores analizaron qué ocurría al aumentar la variedad de aplicaciones utilizadas durante el aprendizaje, manteniendo constante la cantidad total de datos.
Los resultados mostraron que el porcentaje de tareas completadas correctamente en aplicaciones que el agente no había visto durante el entrenamiento aumentó del 60,7 % al 67,5 %.
| Condición evaluada | Tasa de éxito en aplicaciones no vistas |
|---|---|
| Menor diversidad de aplicaciones | 60,7 % |
| Mayor diversidad de aplicaciones, con la misma cantidad de datos | 67,5 % |
Fuente: experimento de diversidad de aplicaciones presentado por los autores.
La conclusión de los investigadores es que ampliar el número de aplicaciones distintas utilizadas para entrenar resulta especialmente importante para mejorar la capacidad del agente de trabajar con interfaces desconocidas.
En lugar de depender únicamente de grandes volúmenes de ejemplos, el estudio destaca el valor de exponer a los modelos a una variedad más amplia de entornos y flujos de interacción.
Herramientas directas: una función experimental para completar tareas con menos pasos
OpenMobile-2 también explora una forma diferente de interactuar con las aplicaciones.
En el funcionamiento habitual de un agente visual, determinadas acciones requieren recorrer varios menús o pantallas.
Los investigadores incorporaron comandos directos en más de 50 aplicaciones simuladas. Estas herramientas permiten ejecutar operaciones específicas, como añadir un producto al carrito, sin tener que navegar manualmente por todos los pasos de la interfaz.
Con entrenamiento específico, los autores observaron los siguientes resultados:
| Indicador | Resultado comunicado |
|---|---|
| Aplicaciones simuladas con herramientas directas | Más de 50 |
| Mejora máxima en tareas completadas | 10,3 puntos porcentuales |
| Reducción aproximada de pasos | 5 pasos |
Esta capacidad es experimental y, por ahora, está implementada únicamente en aplicaciones simuladas. Los resultados corresponden al entorno preparado por los investigadores y muestran el potencial de combinar interacciones visuales con operaciones directas.
El estudio plantea así una vía para reducir la cantidad de acciones necesarias al ejecutar determinadas tareas móviles.
El aprendizaje por refuerzo aportó mejoras limitadas
Otro resultado de la investigación se refiere al entrenamiento posterior mediante aprendizaje por refuerzo, conocido como reinforcement learning (RL).
Aunque esta técnica se utiliza para mejorar el comportamiento de agentes de IA, los investigadores observaron que su contribución adicional fue limitada en OpenMobile-2.
En AndroidWorld, el modelo grande incluso registró una disminución de puntuación tras aplicar esta etapa.
| Etapa de entrenamiento | Puntuación en AndroidWorld |
|---|---|
| Modelo grande antes del aprendizaje por refuerzo | 80,8 |
| Modelo grande después del aprendizaje por refuerzo | 79,9 |
Fuente: comparación de las etapas de entrenamiento publicada por los autores.
Este resultado complementa el hallazgo relacionado con la diversidad de aplicaciones: en los experimentos del equipo, la construcción del entorno y la variedad de experiencias disponibles durante el entrenamiento tuvieron un papel destacado en el desempeño final.
OpenMobile-2 en contexto
OpenMobile-2 es un proyecto de investigación desarrollado por la Universidad de Nanjing, SenseTime y otras universidades.
Su objetivo es reducir la distancia entre los agentes móviles abiertos y los sistemas desarrollados por grandes empresas, especialmente en lo relacionado con la disponibilidad de datos y entornos de entrenamiento.
El proyecto reúne dos modelos basados en Qwen3.5 y Qwen3.6, un entorno con más de 110 aplicaciones, aproximadamente 11.600 flujos de ejemplo y más de 2.000 tareas de práctica.
Los investigadores también publicaron los datos y las instrucciones para reproducir el entrenamiento.
El estudio, disponible en arXiv, presenta resultados en AndroidWorld, MobileWorld y SPA-Bench, además de un benchmark propio de 215 tareas.
Qué aporta OpenMobile-2 a los agentes móviles de código abierto
OpenMobile-2 aborda uno de los problemas fundamentales del desarrollo de agentes móviles: disponer de entornos amplios donde aprender a utilizar diferentes aplicaciones sin depender exclusivamente de datos controlados por grandes compañías.
Su propuesta combina simulaciones reiniciables, evaluación automática, entrenamiento visual y un conjunto de tareas que incluye interacciones entre múltiples servicios.
Los resultados comunicados por sus autores destacan tres aspectos: el rendimiento alcanzado por los modelos abiertos, la importancia de entrenar con aplicaciones variadas y las posibilidades de reducir pasos mediante herramientas directas en entornos simulados.
El proyecto también muestra que incorporar aprendizaje por refuerzo después del entrenamiento principal no necesariamente produce mejoras adicionales.
Con la publicación de los modelos, los datos y el entorno de entrenamiento, OpenMobile-2 ofrece una base reproducible para investigar cómo los agentes de IA pueden aprender a operar teléfonos inteligentes y desenvolverse en aplicaciones que no conocen previamente.
