UI-Venus-2-9B: Ant Group's 9B GUI-agent uitgebracht zonder paper, zonder aankondiging, en met bijna-SOTA-resultaten

UI-Venus-2-9B verscheen op 26 augustus 2026 op Hugging Face, waarbij alles wat een modellancering gewoonlijk omringt ontbrak. Geen aankondigingspost. Geen persbericht. Geen technisch rapport — de arXiv-badge in de README verwijst naar een placeholder-URL, en het citatieblok bevat een expliciete TODO: werk de arXiv-identificatie bij zodra het UI-Venus-2-rapport openbaar is. De link naar de projectpagina is ook een placeholder. Op het moment van schrijven heeft de repository nul downloads en één like, en de vier safetensors-shards erin beschrijven een GUI-agent voor algemeen gebruik die, op zijn eigen modelkaart, Q​wen3.6-27B verslaat op AndroidWorld en OSWorld-Verified, Claude Opus 4.6 verslaat op WebVoyager, O​penAI Operator verslaat op Online-Mind2Web, en het OSBlind-aanvalsuccespercentage verlaagt van de 90%+ die typisch is voor eerdere GUI-agenten naar 18,5%. De modelkaarten van InclusionAI schrijven de familie toe aan het Venus Team bij Ant Group, wat dit tot de stille toetreding van Ant Group tot de race op het gebied van computergebruik met open gewichten maakt — en het stilste deel is dat geen van die cijfers nog onafhankelijk is gereproduceerd.

Wat er daadwerkelijk is uitgebracht

De repo heet inclusionAI/UI-Venus-2-9B, getagd als image-text-to-text met een qwen3_5 architectuurtag. Het model heeft 9B parameters, geïnitialiseerd vanuit Q​wen3.5-9B, uitgebracht onder Apache-2.0 in BF16. Het is een basis-GUI-agent: het observeert een interface, redeneert over de taakstatus, voert een actie uit en verwerkt de resulterende feedback in de volgende beslissing — een gesloten observeer–redeneer–handel–feedbacklus die volgens de modelkaart is getraind om mobiele applicaties, webplatforms en desktopbesturingssystemen in één checkpoint te bestrijken.

• Parameters — 9B, geïnitialiseerd vanuit Q​wen3.5-9B, BF16, vier shards.

• Licentie — Apache-2.0.

• Context — de officiële vLLM-aanroep stelt --max-model-len 262144 in (256K tokens), wat overeenkomt met de hoeveelheid screenshotgeschiedenis die de agent in één episode kan bewaren.

• Serveren — eersteklas vLLM-ondersteuning met een O​penAI-compatibel endpoint en een --reasoning-parser qwen3 vlag, wat betekent dat het model reasoning tokens uitgeeft vóór zijn actie, in de Q​wen3-stijl.

• Reach — de kaart claimt trainingsdekking voor meer dan 170+ meertalige mobiele apps (100+ Chinees, 70+ Engels), 50k+ live websites en native desktop-besturingssystemen met 50+ professionele applicaties.

Het detail van de reasoning-parser is belangrijker dan het lijkt. Een GUI-agent die nadenkt voordat hij handelt is niet nieuw, maar het uitbrengen van een die aansluit op standaard vLLM met een O​penAI-compatibele API en een standaard Q​wen reasoning-parser betekent dat het serving-verhaal op de goede manier saai is: één commando en hij draait, wat ongewoon volwassen is voor een model dat gisteren is gemaakt.

De getallen, en wat ze niet zijn

Alles hieronder is door de leverancier gerapporteerd. De modelkaart publiceert vergelijkingstabellen met sterke gepubliceerde baselines, en de rij met de beste score voor UI-Venus-2-9B is AndroidWorld 80.2 — boven Q​wen3.6-27B op 70.3, MAI-UI-8B op 70.7, en GUI-Owl-1.5-32B-Instruct op 69.8. Op OSWorld-Verified scoort de 9B 70.8, wederom vóór Q​wen3.6-27B op 62.0, maar achter Kimi K2.6 op 73.1. Op het gebied van webnavigatie vermeldt de kaart WebVoyager 90.8, boven Claude Opus 4.6 op 88.0 en Seed-2.0 op 85.1, en Online-Mind2Web 74.0 tegen O​penAI Operator's 61.3.

De meest opvallende interne vergelijking is met de eigen basis van het model. Op DeskCraft scoort UI-Venus-2-9B 48,0, terwijl de Q​wen3.5-9B waarvan het is geïnitialiseerd 14,6 scoort — een sprong van 33,4 punten die het hele argument voor het trainingsrecept vormt, en het herhaalt zich op CAPTCHA: MCA-Bench 75,7 tegen de 30,4 van de basis, NextGen-CAPTCHAs 47,6 tegen 2,8. De CAPTCHA-cijfers zijn op zichzelf het overwegen waard, omdat ze het duidelijkste teken zijn dat het model is gebouwd om op echte, vijandige productiewebsites te opereren in plaats van op schone benchmarkpagina's.

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

• Computergebruik — OSWorld-Verified 70.8, DeskCraft 48.0.

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

• GUI grounding — 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.

• Veiligheid — OSBlind-aanvalsuccespercentage 18.5%, tegen Claude 4.5 Sonnet op 73.0 en GPT-4o op 93.3 op dezelfde kaart.

Het recept: vijf taakfamilies, drie fasen

De trainingspijplijn die de kaart beschrijft, is de reden dat de delta's van het basismodel zo groot zijn. UI-Venus-2 wordt getraind op een bewust complementaire mix van vijf taakfamilies — Grounding, CAPTCHA, Mobile, Web en Computer — in drie fasen. Ten eerste, grootschalige trajectgebaseerde multimodale mid-training over gesimuleerde mobiele, web- en OS-omgevingen, met collaboratieve verificatie door mens en discriminator die ongeldige interacties filtert, plus programmatisch gesynthetiseerde grounding- en CAPTCHA-supervisie. Ten tweede, offline reinforcement learning op stapniveau voor Mobile, OS en Web dat toestandsbewuste actieselectie optimaliseert, met geverifieerde CAPTCHA- en grounding-instanties ingebed in realistische interfaces om nauwkeurige lokalisatie aan te leren te midden van visuele rommel. Ten derde, multi-teacher on-policy-distillatie die domeingespecialiseerde leraren consolideert in één uniform beleid.

De verificatielaag is het meest onderscheidende onderdeel. Taakvoltooiing wordt beoordeeld op taakrelevante visuele kernpunten in plaats van een grove eindschermweergave, en meerdere modellen stemmen om heterogene beoordelaars te aggregeren — een ontwerp dat erop gericht is het RL-beloningssignaal robuust te maken tegen reward hacking. Geverifieerde feedback wordt vervolgens teruggedistilleerd in de training als reflectiesupervisie, zodat de agent gedeeltelijke vooruitgang kan onderscheiden van echte voltooiing en kan herstellen tijdens interactie over een lange horizon. Niets hiervan is onafhankelijk geverifieerd, en de kaart bevat geen reproducties om naar te verwijzen — het is de bewering die het paper moet onderbouwen.

De familie, en de Ant Group-connectie

UI-Venus-2-9B is de derde generatie van een familie die inclusionAI al die tijd stilletjes heeft uitgebracht. Het oorspronkelijke technische rapport van UI-Venus verscheen in augustus 2025 met 7B- en 72B-checkpoints; UI-Venus 1.5 volgde in februari 2026 met 2B-, 8B- en 30B-A3B-varianten. Het citatieblok op de nieuwe kaart vermeldt het "Venus Team, Ant Group", wat de manier is waarop inclusionAI in eigen woorden de relatie met Ant Group omschrijft — dit is het AI-lab van Ant Group dat onder de naam inclusionAI publiceert. Het fundamentele uitgangspunt van de familie is dat een GUI-agent uitsluitend op pixels zou moeten werken: het scherm observeren via screenshots in plaats van DOM-bomen, toegankelijkheids-XML of UI-dumps, wat het overdraagbaar maakt naar de grote groep Chinese en Engelstalige mobiele apps die geen gestructureerde UI-data blootleggen. Het bijbehorende Venus Framework — afkomstig van de GitHub van de familie — stuurt Android-automatisering aan en ondersteunt parallelle besturing van meerdere apparaten.

Wat we nog niet weten

De eerlijke lezing van deze repo is dat de kloof tussen de claims en het bewijs nog steeds groot is. Er is geen openbaar technisch rapport over UI-Venus-2 — de badge is een placeholder, en de README zegt dat het rapport "niet openbaar" is — dus de benchmarktabellen staan als de eigen cijfers van de leverancier, zonder methodologiedocument en zonder onafhankelijke heruitvoering. Er is geen live projectpagina. Er is geen aankondiging, wat betekent dat er geen officiële prijzen zijn, geen gehoste API en geen bevestigde roadmap. De eigen tabellen van de kaart vermelden herhaaldelijk een UI-Venus-2-27B — 84,0 op AndroidWorld, 80,5 op OSWorld-Verified, 12,3 OSBlind — die op het moment van schrijven niet bestaat op Hugging Face, dus het vlaggenschip van de familie wordt genoemd maar is niet uitgebracht. En met nul downloads heeft niemand buiten het lab deze checkpoint al gedraaid.

Hoe je het daadwerkelijk zou uitvoeren

Van alle onbekenden is het enige dat concreet is het serveren. De kaart documenteert een enkel vLLM-commando dat het model opstart met een contextvenster van 256K en een OpenAI-compatibele API:

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

Dat maakt self-hosting de praktische weg — download de gewichten, draai vLLM en richt je agent-harness op localhost. Dit is het geval waarin een routinglaag zijn bestaansrecht verdient op de omringende stack in plaats van op de GUI-agent zelf: het model dat het taakplan schrijft, het vision-model dat een schermstatus dubbelcheckt, het transcriptiemodel dat logt wat er is gebeurd — al die modellen zitten op OrcaRouter tegen de lijstprijs van de provider met 0% opslag en automatische failover, zodat je kunt prototypen tegen een model van een dag oud zonder er een productiepipeline op te verwedden. Op de dag dat zo'n GUI-agent-checkpoint een gerouteerde provider bereikt, verschijnt het tegen de lijstprijs van de provider met dezelfde doorberekening, en prijsverlagingen van leveranciers landen dezelfde dag aan onze kant. Tot die tijd zijn de Apache-2.0-gewichten het hele verhaal.

Wat nu te kijken

Drie dingen bepalen of dit stille schip nieuws wordt. Of de {{1}}UI-Venus-2-27B{{/1}} die de tabellen van de kaart vult daadwerkelijk op Hugging Face verschijnt, en of die het getal {{2}}12.3 OSBlind{{/2}} met zich meedraagt. Of het {{3}}technisch rapport{{/3}} verschijnt en standhoudt bij de eerste onafhankelijke reproductie. En of {{4}}Ant Group{{/4}} besluit dat de stille fase voorbij is — want een {{5}}9B open-weights agent{{/5}} met deze tabelcijfers en een {{6}}256K context{{/6}} is niet iets dat lang op nul downloads blijft staan.