UI-Venus-2-9B: סוכן ה-GUI בגודל 9B של Ant Group שוחרר ללא מאמר, ללא הכרזה, ועם תוצאות כמעט ברמת SOTA

UI-Venus-2-9B הועלה ל-Hugging Face ב-26 באוגוסט 2026 עם כל מה שבדרך כלל מקיף השקת מודל – חסר. אין פוסט הכרזה. אין הודעה לעיתונות. אין דוח טכני — תג ה-arXiv ב-README מצביע על כתובת URL זמנית, וקטע הציטוט כולל את ההצהרה המפורשת TODO: עדכן את מזהה ה-arXiv לאחר שהדוח של UI-Venus-2 יפורסם. גם הקישור לדף הפרויקט הוא מציין מקום. בזמן כתיבת שורות אלה, למאגר יש אפס הורדות ולייק אחד, וארבעת חלקי ה-safetensors שבתוכו מתארים סוכן GUI לשימוש כללי שבכרטיס המודל שלו מנצח את Q​wen3.6-27B על AndroidWorld ו-OSWorld-Verified, מנצח את Claude Opus 4.6 על WebVoyager, מנצח את O​penAI Operator על Online-Mind2Web, ומפחית את שיעור ההצלחה של התקפות OSBlind מ-90%+ האופייני לסוכני GUI קודמים ל-18.5%. כרטיסי המודל של InclusionAI מייחסים את המשפחה לצוות ונוס ב-Ant Group, מה שהופך את זה לכניסה השקטה של Ant Group למירוץ השימוש במחשב עם משקלים פתוחים — והחלק השקט ביותר הוא שאף אחד מהמספרים האלה לא שוחזר באופן עצמאי עדיין.

מה שנשלח בפועל

הריפו נקרא inclusionAI/UI-Venus-2-9B, מתויג כ-image-text-to-text עם תג qwen3_5 לארכיטקטורה. המודל הוא 9B פרמטרים מאותחל מ-Q​wen3.5-9B, משוחרר תחת Apache-2.0 ב-BF16. זהו סוכן GUI מבוסס מודל יסוד: הוא מתבונן בממשק, מנמק על מצב המשימה, מבצע פעולה, ומשלב את המשוב המתקבל בהחלטה הבאה — לולאה סגורה של התבוננות–נימוק–פעולה–משוב שכרטיס המודל אומר שהוא מאומן לכסות יישומים ניידים, פלטפורמות אינטרנט ומערכות הפעלה לשולחן עבודה בנקודת ביקורת אחת.

• פרמטרים — 9B, מאותחל מ-Q​wen3.5-9B, BF16, ארבעה פיצולים.

• רישיון — Apache-2.0.

• הקשר — הקריאה הרשמית של vLLM מגדירה --max-model-len 262144 (256K אסימונים), שזה כמה היסטוריית צילומי מסך שהסוכן יכול לשמור בפרק אחד.

• שירות — תמיכה מהשורה הראשונה ב‑vLLM עם נקודת קצה תואמת OpenAI ו--reasoning-parser qwen3, דגל, כלומר המודל פולט טוקנים של חשיבה לפני הפעולה, בסגנון Qwen3.

• Reach — הכרטיס טוען לכיסוי הדרכה של למעלה מ-170 אפליקציות מובייל רב-לשוניות (100+ בסינית, 70+ באנגלית), 50k+ אתרים חיים, ומערכת הפעלה שולחנית מקורית עם למעלה מ-50 יישומים מקצועיים.

פרט מנתח החשיבה חשוב יותר ממה שנראה. סוכן GUI שחושב לפני שהוא פועל אינו חדש, אבל השקה של כזה שמתחבר ל-vLLM הרגיל עם API תואם O​penAI ומנתח חשיבה רגיל של Q​wen פירושה שסיפור ההגשה משעמם במובן הטוב — פקודה אחת וזה עולה, וזה בוגר בצורה יוצאת דופן עבור מודל שנוצר אתמול.

המספרים, ומה שהם אינם

כל מה שלהלן מדווח על ידי הספק. כרטיס המודל מפרסם טבלאות השוואה מול קווי בסיס חזקים שפורסמו, והשורה שבה UI-Venus-2-9B מציג את התוצאה הטובה ביותר היא AndroidWorld 80.2 — מעל Q​wen3.6-27B עם 70.3, MAI-UI-8B עם 70.7, ו-GUI-Owl-1.5-32B-Instruct עם 69.8. ב-OSWorld-Verified ה-9B רושם 70.8, שוב לפני Q​wen3.6-27B עם 62.0, אך מאחורי Kimi K2.6 עם 73.1. בניווט אינטרנט הכרטיס מציג WebVoyager 90.8, מעל Claude Opus 4.6 עם 88.0 ו-Seed-2.0 עם 85.1, ו-Online-Mind2Web 74.0 לעומת 61.3 של O​penAI Operator.

ההשוואה הפנימית הבולטת ביותר היא מול הבסיס של המודל עצמו. ב-DeskCraft, UI-Venus-2-9B מקבל ציון 48.0 בעוד ש-Q​wen3.5-9B שממנו הוא אותחל מקבל 14.6 — קפיצה של 33.4 נקודות שהיא כל הטיעון בעד מתכון האימון, וזה חוזר על עצמו ב-CAPTCHA: MCA-Bench 75.7 מול 30.4 של הבסיס, NextGen-CAPTCHAs 47.6 מול 2.8. מספרי ה-CAPTCHA ראויים להתייחסות בפני עצמם, כי הם הסימן הברור ביותר לכך שהמודל נבנה לפעול באתרים אמיתיים, עוינים ויצרניים, ולא בעמודי benchmark נקיים.

• Mobile — AndroidWorld 80.2, MobileWorld 65.8, VenusBench-Mobile 46.5.

• שימוש במחשב — OSWorld-Verified 70.8, DeskCraft 48.0.

• Web — WebVoyager 90.8, Online-Mind2Web 74.0, REAL 76.9, Odysseys 77.3.

• עיגון GUI — ScreenSpot-Pro 73.0, VenusBench-GD 77.1, OSWorld-G-R 78.5, UI-Vision 53.2.

• CAPTCHA — Spatial-CAPTCHA-Bench 42.8, MCA-Bench 75.7, NextGen-CAPTCHAs 47.6, OpenCaptcha 50.7.

• בטיחות — שיעור הצלחת התקפת OSBlind הוא 18.5%, לעומת 73.0 עבור Claude 4.5 Sonnet ו-93.3 עבור GPT-4o באותו כרטיס.

המתכון: חמש משפחות משימות, שלושה שלבים

צינור האימון שהכרטיס מתאר הוא הסיבה שפערי מודל הבסיס כה גדולים. UI-Venus-2 מאומן על תערובת משלימה במכוון של חמש משפחות משימות — Grounding, CAPTCHA, Mobile, Web ו-Computer — בשלושה שלבים. ראשית, אימון ביניים מולטימודלי בקנה מידה גדול מבוסס-מסלולים על סביבות ניידות, אינטרנט ומערכת הפעלה מדומות, עם אימות שיתופי של אדם ומבחין (human–discriminator) המסנן אינטראקציות לא תקינות, בתוספת השגחה מסונתזת תכנותית עבור Grounding ו-CAPTCHA. שנית, למידת חיזוק לא-מקוונת ברמת צעד עבור Mobile, OS ו-Web, המייעלת בחירת פעולות מודעת-מצב, עם מופעי CAPTCHA ו-Grounding מאומתים המוטמעים בממשקים ריאליסטיים כדי ללמד מיקום מדויק תחת עומס ויזואלי. שלישית, זיקוק על-פוליסה (on-policy) עם מורים מרובים, המאחד מורים מתמחים-תחומית לפוליסה אחידה אחת.

שכבת האימות היא החלק הייחודי ביותר. השלמת המשימה נשפטת לפי נקודות מפתח חזותיות רלוונטיות למשימה, ולא לפי מבט גס על המסך הסופי, ומספר מודלים מצביעים כדי לאגד שופטים הטרוגניים — עיצוב שמטרתו להפוך את אות התגמול של RL לחסין בפני פריצת תגמול. המשוב המאומת מזוקק לאחר מכן חזרה לאימון כהנחיית רפלקציה, כך שהסוכן יכול להבחין בין התקדמות חלקית להשלמה אמיתית ולהתאושש במהלך אינטראקציה עם אופק ארוך. אף אחד מזה לא אומת באופן עצמאי, והכרטיס אינו מספק שחזורים להצביע עליהם — זו הטענה שהמאמר אמור לגבות.

המשפחה, והקשר ל-Ant Group

UI-Venus-2-9B הוא הדור השלישי של משפחה ש-inclusionAI משחררת בשקט לאורך כל הדרך. הדו"ח הטכני המקורי של UI-Venus הופיע באוגוסט 2025 עם נקודות ביקורת של 7B ו-72B; אחריו הצטרף בפברואר 2026 UI-Venus 1.5 עם גרסאות 2B, 8B ו-30B-A3B. בלוק הציטוט בכרטיס החדש מזכה את "צוות ונוס, Ant Group", וזו הדרך שבה inclusionAI מצהירה במילותיה על יחסיה עם Ant Group — זו מעבדת הבינה המלאכותית של Ant Group שמפרסמת תחת השם inclusionAI. ההימור המייסד של המשפחה הוא שסוכן GUI אמור לעבוד מפיקסלים בלבד: להתבונן במסך דרך צילומי מסך ולא דרך עצי DOM, XML נגישות, או UI dumps — וזה מה שהופך אותו לנייד עבור האוכלוסייה הגדולה של אפליקציות סיניות ואנגליות שאינן חושפות נתוני ממשק מובנים. מסגרת ונוס הנלווית, מה-GitHub של המשפחה, מניעה אוטומציה של אנדרואיד ותומכת בשליטה מקבילה במכשירים מרובים.

מה שאנחנו עדיין לא יודעים

הקריאה הכנה של הריפו הזה היא שהפער בין הטענות לראיות עדיין רחב. אין דו"ח טכני פומבי של UI-Venus-2 — התג הוא מציין מקום, וה-README אומר שהדו"ח "לא פומבי" — ולכן טבלאות הבנצ'מרק עומדות כמספרים של הספק עצמו, ללא מסמך מתודולוגי וללא ריצה חוזרת עצמאית. אין דף פרויקט חי. אין הכרזה, מה שאומר שאין תמחור רשמי, אין API מתארח, ואין מפת דרכים מאושרת. הטבלאות של הכרטיס עצמו מפרטות שוב ושוב את UI-Venus-2-27B — 84.0 ב-AndroidWorld, 80.5 ב-OSWorld-Verified, 12.3 ב-OSBlind — שלא קיים ב-Hugging Face נכון לכתיבת שורות אלה, כך שדגם הדגל של המשפחה מוזכר אך לא שוחרר. ובאפס הורדות, אף אחד מחוץ למעבדה לא הריץ את נקודת הביקורת הזו עדיין.

איך בעצם היית מריץ את זה

למרות כל אי-הוודאויות, הדבר הקונקרטי היחיד הוא הגשת המודל. הכרטיס מתעד פקודת vLLM בודדת שמעלה את המודל עם חלון הקשר של 256K ו-API תואם OpenAI:

vllm serve inclusionAI/UI-Venus-2-9B --port 8000 --tensor-parallel-size 1 --max-model-len 262144 --reasoning-parser qwen3

זה הופך את המסלול המעשי לאחסון עצמי — הורדת המשקלים, הרצת vLLM, וכיוון מעטפת הסוכן שלך ל-localhost. זהו המקרה שבו שכבת ניתוב מוכיחה את ערכה בסטאק הסובב ולא בסוכן ה-GUI עצמו: המודל שכותב את תוכנית המשימה, מודל הראייה שבודק את מצב המסך פעם נוספת, מודל התמלול שמתעד את מה שקרה — כולם יושבים על OrcaRouter במחיר המחירון של הספק עם 0% תוספת ו-failover אוטומטי, כך שתוכל לפתח אב-טיפוס מול מודל בן יום מבלי להמר על צינור ייצור. ביום שבו checkpoint של סוכן GUI כזה מגיע לספק מנותב, הוא מופיע במחיר המחירון של הספק עם אותו pass-through, והנחות המחיר של הספק מגיעות אלינו באותו היום. עד אז, משקלי Apache-2.0 הם כל הסיפור.

מה לצפות בהמשך

שלושה דברים יכריעו אם הספינה השקטה הזו תהפוך לחדשות. האם ה-UI-Venus-2-27B שממלא את טבלאות הכרטיס אכן יופיע ב-Hugging Face, והאם הוא נושא עמו את מספר ה-12.3 OSBlind. האם הדוח הטכני יפורסם ויעמוד בשחזור העצמאי הראשון. והאם Ant Group תחליט ששלב השקט נגמר — כי סוכן במשקלים פתוחים בגודל 9B עם מספרי הטבלאות הללו וחלון הקשר של 256K לא יישאר באפס הורדות לאורך זמן.