TencentがUI-Mate-9Bを投入 ── 9Bパラメータで実用的なGUI操作を実現
テンセント、90億パラメータの軽量モデルでデスクトップ自動化の世界を変えようとしている。Qwen3.5をベースに強化されたこのエージェントは、スクリーンを見ながら自立的にマウスやキーボードを操る。重厚なクラウド処理に頼らず、ローカルでも動きそうだ。
▸何が変わったのか
UI-Mate-9Bの最大の特徴は、90億パラメータという軽量サイズでありながら、複雑なGUI操作をこなす点にある。ベースモデルにはQwen3.5-9Bが採用され、自然言語の指示とライブスクリーンショットを入力として受け取る。出力では推論プロセスを経て、pyautogui互換の構造化されたアクション（マウス移動、クリック、スクロールなど）を生成する。学習は監督下微調整と、実行可能なGUI環境でのオンライン強化学習を組み合わせたもの。ベンチマーク結果はOSWorld-Verifiedで平均66.2点、WindowsAgentArenaで61.7点を記録しており、実用レベルの性能を示唆している。
◈前モデル / 競合との比較
提供テキストによると、同シリーズに270億パラメータの「UI-Mate-27B」が存在する。9Bは軽量版として「一般向けコンピュータ使用」を対象としている。また、「UI-Mate-democua-27B」というデモンストレーション誘導型モデルとは異なり、9Bは既存の履歴やスクリーン情報から自ら推論して行動するアプローチを取っている。
◈技術背景と意義
これまでのGUIエージェントは、画面座標を固定で再生する「リプレイ」方式が多く、UIの変化に弱かった。UI-Mate-9Bはここを「ライブスクリーン・グラウンディング」として解決している。つまり、今見えている画面の状態をリアルタイムで認識し、その都度計画を立て直すのだ。これにより、ボタンが移動したりメニューが開いたりする動的な環境でも、タスクを完遂できる可能性がある。
▸こんな人・用途に
[‘9Bの軽量モデルなので、消費メモリを抑えてローカルPCやエッジデバイスで動作させたい開発者向け’, ‘複数のアプリケーションにまたがる長期的な作業（例：データ入力からレポート生成まで）を自動化する業務効率化用途’]
◆入手方法・リンク
Hugging Face Hubで「tencent/UI-Mate-9B」として公開されている。ライセンスはApache-2.0。vLLMを用いたサービングが推奨されており、OpenAI互換のAPIエンドポイントとして起動できる。詳細な実行例やエージェントチェックポイントは公式GitHubリポジトリで入手可能だ。
SOURCE: Tencent (2026-08-14)
