Alibaba ra mắt Qwen-UI-Agent thao tác GUI

Alibaba đã giới thiệu Qwen-UI-Agent ngày 22/08/2026, một AI Agent nền tảng được thiết kế để tương tác trực tiếp với giao diện đồ họa. Theo AI Agent Store, mô hình có thể quan sát thành phần trên màn hình, click, gõ phím và hoàn tất chuỗi tác vụ nhiều bước trên PC, điện thoại, ứng dụng web và môi trường tìm kiếm phức tạp.

Điểm đáng chú ý là Qwen-UI-Agent không đòi hỏi hệ thống đích phải có sẵn API. Đây là hướng đi có thể làm lung lay cách doanh nghiệp vẫn xây automation quanh các tích hợp riêng lẻ.

Từ API sang thao tác trực tiếp trên màn hình

Với Qwen-UI-Agent, Alibaba đặt cược vào năng lực hiểu GUI thay vì chỉ gọi công cụ qua API. Agent có thể nhận diện các thành phần đang hiển thị, sau đó thực hiện click, nhập liệu và theo đuổi một multi-step workflow qua nhiều bước điều hướng.

Về thực tế, cách tiếp cận này phù hợp với các phần mềm cũ, cổng nội bộ hoặc website không cung cấp API đủ dùng. RPA truyền thống cũng thao tác màn hình, nhưng thường phụ thuộc vào kịch bản cứng và dễ gãy khi giao diện thay đổi. Một agent hiểu ngữ cảnh trực quan có tiềm năng linh hoạt hơn, dù mức độ tin cậy trong môi trường sản xuất vẫn là bài toán cần kiểm chứng.

Benchmark là tín hiệu mạnh, chưa phải phán quyết cuối cùng

AI Agent Store cho biết Qwen-UI-Agent vượt GPT-5.6 và Claude Opus 4.8 về tỷ lệ điều hướng và hoàn thành tác vụ chính xác trên nhiều benchmark GUI tiêu chuẩn. Alibaba chưa biến kết quả benchmark thành bằng chứng cho mọi môi trường doanh nghiệp, nhưng đây vẫn là tuyên bố cạnh tranh đáng chú ý ở lớp AI Agent thao tác máy tính.

Tôi cho rằng benchmark GUI quan trọng hơn các màn trình diễn chatbot đẹp mắt: agent hoặc hoàn thành được việc trên màn hình, hoặc không. Tuy vậy, doanh nghiệp không nên mua theo bảng xếp hạng; họ cần thử agent trên chính quy trình có lỗi, quyền hạn và dữ liệu thật của mình.

Hạ tầng agentic workflow cũng đang chạy nhanh

Đợt cập nhật này diễn ra cùng lúc với việc AWS phát hành AgentCore Payments, DeepSeek ra mắt V4-Flash-Vision-Exp tích hợp DeepSeek Harness 0.1.1, và Cloudflare thử nghiệm WriteGuard. WriteGuard nhắm vào kiểm soát quyền ghi an toàn cho agent kết nối qua MCP.

Sự kết hợp giữa agent biết thao tác GUI, orchestration và guardrail cho thấy cuộc đua đang chuyển từ “mô hình biết trả lời” sang “hệ thống được phép hành động”. Theo tôi, quyền ghi và cơ chế kiểm soát mới là điểm phân định giữa demo AI Agent và automation dùng được trong doanh nghiệp.

Điểm cần nhớ

• Qwen-UI-Agent có thể thao tác GUI trên PC, điện thoại, web và môi trường tìm kiếm.
• Mô hình xử lý click, gõ phím và multi-step workflow mà không phụ thuộc API sẵn có.
• Alibaba được báo cáo là vượt GPT-5.6 và Claude Opus 4.8 trên nhiều benchmark GUI tiêu chuẩn.
• AWS AgentCore Payments, DeepSeek Harness 0.1.1 và Cloudflare WriteGuard cho thấy hạ tầng agentic workflow đang được bổ sung lớp thanh toán, orchestration và kiểm soát quyền.

Nguồn tham khảo: AI Agent Store