Kern ist die Umgebung MobileGym++ mit 63 simulierten Apps, darunter 35 neu gebaute nach dem Vorbild kommerzieller Shopping-, Reise- und Sozial-Apps; sie lassen sich zurücksetzen und automatisch auswerten. Mit 62 im Android-Emulator eingerichteten Apps kommen die Autoren auf über 110 Anwendungen. Daraus entstanden knapp 12.000 Bedienverläufe für das Fine-tuning und über 2.000 ausführbare Aufgaben mit automatischer Bewertung für Reinforcement Learning. Grundlage sind Qwen3.5-9B und Qwen3.6-27B.
Die Aufgaben formulierte und löste Gemini 3.1 Pro Preview als Lehrer-Agent; die offenen Trainingsdaten sind also aus einem geschlossenen Modell gewonnen. Neu ist außerdem ein gemischter Modus: In über 50 Apps stellen gut 300 Werkzeuge einzelne Funktionen direkt bereit, sodass der Agent Tippen und Wischen mit Funktionsaufrufen kombinieren kann.
Das 27B-Modell erreicht im Benchmark AndroidWorld 79,9 Punkte, das unveränderte Qwen-Basismodell 67,1, der Vorgänger OpenMobile-1 mit 8 Milliarden Parametern 64,7. In MobileWorld steigt es von 35,9 auf 50,4, im Test SPA-Bench L3 auf echten Android-Geräten von 31,9 auf 59,6. In AndroidWorld liegt es damit vor Gemini 3.1 Pro Preview mit 70,7, in MobileWorld hinter Gemini mit 58,1 und GPT-5.6 Sol mit 70,1.
Der Reinforcement-Learning-Schritt half vor allem in trainingsnahen Umgebungen und auf echten Geräten (57,4 auf 59,6); in AndroidWorld fiel der Wert gegenüber dem reinen Fine-tuning leicht von 80,8 auf 79,9. Mehr Vielfalt wirkte stärker: Bei gleich vielen Trainingsverläufen stieg die Erfolgsquote in unbekannten Apps von 60,7 auf 67,5 Prozent, wenn das Training 53 statt 15 Apps abdeckte. Unabhängig nachgemessen sind die Ergebnisse noch nicht.