Einordnung und Veröffentlichung
GUI-Plus ist ein multimodales Basismodell zur visuellen Erkennung und Interaktion mit grafischen Benutzeroberflächen auf Mobilgeräten und Computern. Alibaba führt gui-plus in der Modellankündigung unter dem 12. November 2025. (help.aliyun.com)
Fähigkeiten und Einsatz
Das Modell verarbeitet Text und Bilder, insbesondere Screenshots und natürliche Sprachanweisungen, und gibt Text aus. Es übersetzt erkannte Nutzerabsichten in GUI-Aktionen wie Klicken, Eingeben und Scrollen. Externe Systeme müssen diese Aktionen ausführen. Mögliche Anwendungen sind die Automatisierung von Oberflächen sowie komplexe, mehrstufige und anwendungsübergreifende Aufgaben; die Ankündigung nennt auch die Zusammenarbeit mehrerer Agenten. (help.aliyun.com)
Grenzen
- Verfügbar ist das Modell laut Dokumentation nur in China (Beijing) mit einem API-Schlüssel dieser Region.
gui-plusarbeitet im Nicht-Denkmodus. Das Kontextfenster beträgt 256.000 Tokens, die maximale Eingabe 254.976 und die maximale Ausgabe 32.768 Tokens; pro Bild sind höchstens 16.384 Tokens vorgesehen.- Function Calling, strukturierte Ausgabe, Websuche, Kontext-Caching, Batch-Inferenz und Fine-Tuning werden für
gui-plusnicht unterstützt. (help.aliyun.com)
Preis
Alibaba Cloud Model Studio, China (Beijing): regulär 1,5 CNY pro Million Eingabe-Tokens und 4,5 CNY pro Million Ausgabe-Tokens. Die Preise gelten für gui-plus und schließen zeitlich begrenzte Aktionen nicht ein; Bild-Tokens zählen zur Eingabe. Preisabfrage: 17. November 2026. (help.aliyun.com)