OpenMobile-2, açık kaynak akıllı telefon ajanlarının kapalı modellerle yarışabildiğini gösterdi

Nanjing Üniversitesi, yapay zekâ şirketi SenseTime ve birkaç üniversiteden araştırmacılar, akıllı telefon uygulamalarını kendi başına kullanabilen açık kaynak ajan modellerini yayımladı. OpenMobile-2 adı verilen proje, 110'dan fazla simüle edilmiş uygulamadan oluşan bir eğitim ortamıyla birlikte iki ajan modeli, eğitim verisi ve tüm süreci tekrarlamaya yetecek talimatları içeriyor. Araştırmacılar, {kaynak} sitesinin haberine göre modellerinin mevcut akıllı telefon ajanları arasında en üst sıralarda yer aldığını belirtiyor.

Ekip, Qwen3.5 üzerine kurulu 9 milyar parametreli ve Qwen3.6 üzerine kurulu 27 milyar parametreli iki ajan modeli geliştirdi. Açık modellerin kapalı rakiplerin gerisinde kalmasının nedeni olarak, ajanların ihtiyaç duyduğu eğitim verisinin büyük ölçüde şirketlerin elinde kilitli olmasını gösteriyorlar.

OpenMobile-2 neyi farklı yapıyor?

Gerçek uygulamalar üzerinde eğitim yapmak zor: oturum açma, gerçek satın alma ve durumu sıfırlama imkânının olmaması süreci hem pahalı hem de tekrarlanamaz hale getiriyor. Araştırmacılar bu nedenle Taobao, JD, DiDi ve Meituan gibi Çin'de yaygın kullanılan 35 uygulamayı, Slack ve Google Drive gibi küresel servislerle birlikte yeniden inşa etti. Mevcut simülasyonlar ve Android emülatöründe çalışan uygulamalarla birlikte toplam ortam 110'dan fazla uygulamaya ulaşıyor.

İnsan değerlendiriciler, yeniden kurulan uygulamaları orijinalleriyle karşılaştırdı ve iş akışları ile arayüzler eşleşene kadar iyileştirmeye devam etti. Siparişler, bütçeler ve seyahat planları oturumlar arasında korunuyor, veriler panoya kopyalama yoluyla uygulamalar arasında aktarılabiliyor. Her simülasyon otomatik olarak başlangıç durumuna dönüyor; ajan ise yalnızca ekran görüntülerini görüyor ve uygulamaların iç verilerine erişemiyor. Bu da bir insanın uygulamayı kullanma biçimini taklit ediyor.

Ekip bu ortamda yaklaşık 11 bin 600 örnek iş akışı ve otomatik başarı kontrolü içeren 2 binin üzerinde alıştırma görevi üretti. Örnekleri üreten öğretmen model olarak Google'ın Gemini 3.1 Pro'su kullanıldı; yani OpenMobile-2 fiilen kapalı bir sistemden öğreniyor.

Gerçek telefonlarda performans ne kadar arttı?

Modeller, yerleşik testlerde belirgin kazanımlar sağlıyor. AndroidWorld testinde büyük model 67,1 puandan 79,9'a, küçük model ise 54,3'ten 74 puana yükseldi. Aynı testte önceki OpenMobile-1 modeli 64,7 puan almıştı. Birden fazla uygulamaya yayılan daha uzun görevleri kapsayan MobileWorld testinde büyük model 35,9'dan 50,4 puana çıktı.

En büyük sıçrama gerçek Android cihazlarda görüldü: büyük model SPA-Bench testinde 31,9 puandan 59,6 puana yükseldi. Araştırmacılara göre bu, açık modeller arasındaki en iyi sonuç.

Uygulama çeşitliliği neden veri miktarından önemli?

Sonuçlar, tek başına daha fazla verinin ajanı daha iyi yapmadığını gösteriyor. Araştırmacılar veri miktarını sabit tutup yalnızca ajanın pratik yaptığı uygulama sayısını artırdı; ajanın hiç görmediği uygulamalardaki başarı oranı bu sayede yüzde 60,7'den yüzde 67,5'e çıktı. Aynı veri bütçesiyle, az sayıda uygulamadan daha fazla örnek almak yerine uygulama çeşitliliğini artırmak daha iyi sonuç veriyor.

Üzerine eklenen pekiştirmeli öğrenme ise sınırlı kazanç sağladı ve çoğunlukla eğitim ortamına benzeyen ortamlarda işe yaradı. AndroidWorld'de büyük model bu aşamadan sonra 80,8 puan yerine 79,9 puanla biraz daha düşük bir sonuç aldı.

Türkiye'deki kullanıcılar için ne anlama geliyor?

Proje açık kaynak olarak yayımlandığı için modeller ve eğitim ortamı, araştırmacılar ve geliştiriciler tarafından indirilip incelenebiliyor. Ancak deneylerin büyük bölümü simülasyon ortamında ve Çin ile küresel uygulamalar üzerinde yapıldı; Türkçe uygulamalar ya da Türkiye'de yaygın kullanılan servisler üzerinde bir değerlendirme kaynakta yer almıyor. Modellerin günlük kullanıma ne zaman ve nasıl açılacağı da henüz açıklanmadı.

Araştırmanın deneysel bölümü, tıklama ve kaydırmanın ötesine geçiyor. Simüle edilen uygulamaların 50'den fazlası "sepete ekle" gibi doğrudan komutlar sunuyor ve ajan, mevcut olanaklara göre bu kısayollar ile menüde gezinme arasında serbestçe geçiş yapabiliyor. Hedefli eğitim verilmediğinde modeller kısayolları büyük ölçüde görmezden geliyor; eğitimden sonra ise yüzde 10,3'e varan oranda daha fazla görevi yaklaşık beş adım daha az kullanarak çözüyor. Araştırmacılar bu yeteneğin, modellerin eğitimde hiç karşılaşmadığı araçlara da aktarıldığını belirtiyor. Ancak bu arayüzler şimdilik yalnızca simüle edilmiş uygulamalarda mevcut ve ekibin kendisi de yaklaşımı deneysel olarak nitelendiriyor.

Ekip, 215 görevlik kendi test setini de oluşturdu; görevlerin yaklaşık yarısı birden fazla uygulamaya yayılıyor. Görev tamamlanması bir dil modeli tarafından değil, her çalıştırmanın öncesinde ve sonrasında uygulamanın sakladığı verileri karşılaştıran bir program tarafından değerlendiriliyor. Araştırmacılar eğitim ve test görevleri arasındaki örtüşmeyi de kontrol etti ve yalnızca küçük benzerlikler buldu.

Kaynak metne göre Microsoft Research, 2025 tarihli bir çalışmasında API tabanlı ajanları daha güvenilir, arayüz (GUI) tabanlı ajanları ise daha esnek olarak sınıflandırmıştı. Oppo, Taobao veya Meituan gibi uygulamalarda menülerde tıklamak yerine derin bağlantılarla daha önce gösterilen yolları yeniden oynatan X-OmniClaw adlı açık ajanıyla farklı bir yol izliyor. Kapalı modeller arasında Google ise telefon kontrolünü doğrudan Gemini 3.5 Flash'a entegre etmiş durumda.