UI-Venus-2-9B: l'agente GUI 9B di Ant Group rilasciato senza paper, senza annuncio e con numeri vicini allo SOTA

UI-Venus-2-9B è apparso su Hugging Face il 26 agosto 2026 senza tutto ciò che di solito accompagna il lancio di un modello. Nessun post di annuncio. Nessun comunicato stampa. Nessun report tecnico — il badge arXiv del README punta a un URL segnaposto, e il blocco di citazione riporta un esplicito TODO: aggiornare l'identificatore arXiv una volta che il report UI-Venus-2 sarà pubblico. Anche il link alla pagina del progetto è un segnaposto. Al momento in cui scriviamo, la repo ha zero download e un like, e i quattro shard safetensors al suo interno descrivono un agente GUI di uso generale che, secondo la propria scheda del modello, batte Q​wen3.6-27B su AndroidWorld e OSWorld-Verified, batte Claude Opus 4.6 su WebVoyager, batte O​penAI Operator su Online-Mind2Web e riduce il tasso di successo degli attacchi OSBlind dal 90%+ tipico dei precedenti agenti GUI al 18,5%. Le schede dei modelli di InclusionAI attribuiscono la famiglia al Venus Team di Ant Group, il che rende questo l'ingresso silenzioso di Ant Group nella corsa al computer-use con pesi aperti — e l'aspetto più silenzioso è che nessuno di questi numeri è stato ancora riprodotto in modo indipendente.

Cosa è stato effettivamente spedito

Il repository si chiama inclusionAI/UI-Venus-2-9B, etichettato come image-text-to-text con un qwen3_5 tag di architettura. Il modello ha 9B parametri, inizializzato da Q​wen3.5-9B, rilasciato con licenza Apache-2.0 in BF16. È un agente GUI di base: osserva un'interfaccia, ragiona sullo stato del compito, esegue un'azione e incorpora il feedback risultante nella decisione successiva — un ciclo chiuso osserva–ragiona–agisci–feedback che, secondo la scheda, è addestrato a coprire applicazioni mobili, piattaforme web e sistemi operativi desktop in un unico checkpoint.

• Parametri — 9B, inizializzato da Q​wen3.5-9B, BF16, quattro shard.

• Licenza — Apache-2.0.

• Contesto — l'invocazione ufficiale di vLLM imposta --max-model-len 262144 (256K token), ovvero la quantità di cronologia degli screenshot che l'agente può conservare in un episodio.

• Servizio — supporto vLLM di prima classe con un endpoint compatibile OpenAI e un flag --reasoning-parser qwen3 che fa sì che il modello emetta token di ragionamento prima dell'azione, nello stile di Qwen3.

• Copertura — la scheda dichiara una copertura formativa su oltre 170+ app mobili multilingua (100+ cinesi, 70+ inglesi), 50k+ siti web live e sistema operativo desktop nativo con 50+ applicazioni professionali.

Il dettaglio del parser di ragionamento conta più di quanto sembri. Un agente GUI che pensa prima di agire non è una novità, ma distribuirne uno che si integra con vLLM standard tramite un'API compatibile con O​penAI e un parser di ragionamento Q​wen standard significa che la parte di serving è noiosa nel buon senso — basta un comando ed è attivo, il che è insolitamente maturo per un modello creato ieri.

I numeri, e ciò che non sono

Tutto ciò che segue è segnalato dal fornitore. La scheda del modello pubblica tabelle comparative con baseline pubblicate robuste, e la riga che riporta il miglior risultato per UI-Venus-2-9B è AndroidWorld 80.2 — sopra Q​wen3.6-27B con 70.3, MAI-UI-8B con 70.7 e GUI-Owl-1.5-32B-Instruct con 69.8. Su OSWorld-Verified il modello 9B registra 70.8, di nuovo davanti a Q​wen3.6-27B con 62.0 ma dietro a Kimi K2.6 con 73.1. Per la navigazione web la scheda elenca WebVoyager 90.8, sopra Claude Opus 4.6 con 88.0 e Seed-2.0 con 85.1, e Online-Mind2Web 74.0 contro i 61.3 di O​penAI Operator.

Il confronto interno più sorprendente è quello con la base del modello stesso. Su DeskCraft, UI-Venus-2-9B ottiene 48.0 mentre Qwen3.5-9B, da cui è stato inizializzato, ottiene 14.6 — un salto di 33.4 punti che è l'intero argomento a favore della ricetta di addestramento, e si ripete anche su CAPTCHA: MCA-Bench 75.7 contro i 30.4 della base, NextGen-CAPTCHAs 47.6 contro 2.8. I numeri CAPTCHA meritano un discorso a parte, perché sono il segno più chiaro che il modello è stato costruito per operare su siti web di produzione reali e ostili, piuttosto che su pagine benchmark pulite.

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

• Uso del computer — OSWorld-Verified 70.8, DeskCraft 48.0.

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

• Grounding della 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.

• Sicurezza — tasso di successo dell'attacco OSBlind del 18,5%, contro Claude 4.5 Sonnet al 73,0 e GPT-4o al 93,3 sulla stessa scheda.

La ricetta: cinque famiglie di attività, tre fasi

Il pipeline di addestramento descritto dalla scheda è il motivo per cui i delta del modello base sono così grandi. UI-Venus-2 è addestrato su una miscela deliberatamente complementare di cinque famiglie di task — Grounding, CAPTCHA, Mobile, Web e Computer — attraverso tre fasi. Prima, mid-training multimodale su larga scala basato su traiettorie in ambienti simulati mobile, web e OS, con verifica collaborativa con discriminatore umano che filtra le interazioni non valide, oltre a supervisione di grounding e CAPTCHA sintetizzati programmaticamente. Seconda, apprendimento per rinforzo offline a livello di step per Mobile, OS e Web che ottimizza la selezione delle azioni consapevole dello stato, con istanze di CAPTCHA e grounding verificate incorporate in interfacce realistiche per insegnare la localizzazione precisa in condizioni di clutter visivo. Terza, distillazione on-policy multi-teacher che consolida insegnanti specializzati per dominio in un'unica politica unificata.

Il livello di verifica è la parte più distintiva. Il completamento dell'attività viene giudicato in base a keypoint visivi rilevanti per il compito, piuttosto che a un aspetto approssimativo della schermata finale, e più modelli votano per aggregare giudici eterogenei — una progettazione volta a rendere il segnale di ricompensa RL robusto contro l'hacking della ricompensa. Il feedback verificato viene poi distillato nuovamente nell'addestramento come supervisione di riflessione, così l'agente può distinguere il progresso parziale dal completamento reale e recuperare durante l'interazione a lungo orizzonte. Nulla di tutto ciò è verificato in modo indipendente, e la scheda non fornisce riproduzioni a cui fare riferimento — è l'affermazione che il paper dovrebbe sostenere.

La famiglia, e il legame con Ant Group

UI-Venus-2-9B è la terza generazione di una famiglia che inclusionAI ha distribuito in sordina fin dall'inizio. Il rapporto tecnico originale di UI-Venus è apparso nell'agosto 2025 con checkpoint da 7B e 72B; UI-Venus 1.5 è arrivato nel febbraio 2026 con varianti da 2B, 8B e 30B-A3B. Il blocco di citazione sulla nuova scheda accredita il "Venus Team, Ant Group", che è il modo in cui inclusionAI descrive il proprio rapporto con Ant Group — si tratta del laboratorio di IA di Ant Group che pubblica sotto il nome inclusionAI. La scommessa fondante della famiglia è che un agente GUI debba operare partendo dai soli pixel: osservare lo schermo tramite screenshot piuttosto che alberi DOM, XML di accessibilità o dump UI, ed è questo che lo rende portabile all'ampia popolazione di app mobili cinesi e inglesi che non espongono dati UI strutturati. Il Venus Framework complementare, dal GitHub della famiglia, gestisce l'automazione Android e supporta il controllo parallelo di più dispositivi.

Quello che non sappiamo ancora

La lettura onesta di questo repository è che il divario tra le affermazioni e le prove è ancora ampio. Non esiste un report tecnico pubblico di UI-Venus-2 — il badge è un segnaposto e il README afferma che il report "non è pubblico" — quindi le tabelle dei benchmark restano numeri dichiarati dal fornitore, senza documento metodologico e senza una riesecuzione indipendente. Non esiste una pagina di progetto attiva. Non c'è alcun annuncio, il che significa nessun prezzo ufficiale, nessuna API ospitata e nessuna roadmap confermata. Le tabelle della scheda stessa elencano ripetutamente un UI-Venus-2-27B — 84.0 su AndroidWorld, 80.5 su OSWorld-Verified, 12.3 su OSBlind — che non esiste su Hugging Face al momento della stesura, quindi il modello di punta della famiglia è citato ma non rilasciato. E con zero download, nessuno fuori dal laboratorio ha ancora eseguito questo checkpoint.

Come lo eseguiresti effettivamente

Per tutte le incognite, l'unica cosa concreta è il serving. La scheda documenta un singolo comando vLLM che avvia il modello con una finestra di contesto di 256K e un'API compatibile con O​penAI:

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

Questo rende il percorso pratico il self-hosting: scarica i pesi, esegui vLLM e punta il tuo harness dell'agente su localhost. È il caso in cui un livello di routing dimostra il suo valore sullo stack circostante piuttosto che sull'agente GUI stesso: il modello che scrive il piano delle attività, il modello di visione che ricontrolla lo stato dello schermo, il modello di trascrizione che registra cosa è successo — tutti questi si trovano su OrcaRouter al prezzo di listino del provider con margine 0% e failover automatico, così puoi fare un prototipo con un modello appena uscito senza scommettere una pipeline di produzione su di esso. Il giorno in cui un checkpoint di agente GUI come questo raggiunge un provider instradato, appare al prezzo di listino del provider con lo stesso pass-through, e i tagli di prezzo del fornitore ci arrivano lo stesso giorno. Fino ad allora, i pesi Apache-2.0 sono l'intera storia.

Cosa guardare dopo

Tre cose decideranno se questa nave silenziosa farà notizia. Se la UI-Venus-2-27B che riempie le tabelle della scheda apparirà davvero su Hugging Face, e se porterà con sé il numero 12.3 OSBlind. Se il report tecnico arriverà e reggerà alla prima riproduzione indipendente. E se Ant Group deciderà che la fase di silenzio è finita — perché un agente open-weights da 9B con questi numeri da tabella e un contesto da 256K non è qualcosa che resta a zero download a lungo.