安卓应用 Opposable 在官方博客中介绍了让 AI 操作手机的端侧方案：通过无障碍服务读取屏幕，在其他 App 中点按和输入。电脑上的 Claude、ChatGPT 或 Codex 可以驱动它；未连接这些助手时，手机上的 20 亿参数屏幕模型会执行同样的流程，无需服务器参与。
据发布方介绍，本地模型采用阿里巴巴 Mobile-Agent 团队的 GUI-Owl 1.5 2B，由 Qwen3-VL 微调而来，根据截图输出一个动作。应用通过 llama.cpp 以 4 位量化运行模型，语言模型占用 1.05 GB，视觉编码器占用 445 MB，两者加载后会在步骤之间驻留内存。
并非每次操作都需要模型。设置闹钟、向联系人发短信、打开 Wi-Fi 等约 40 个常见任务，由固定代码完成，不调用模型。
发布方自测显示，在使用 4 个线程的 Mac M2 CPU 上，每步耗时由未优化时的 10.6 秒降至 7.3 秒；在包含 36 个屏幕的测试集中，优化前后均答对 27 个。
优化包括裁掉截图中的状态栏、导航栏和键盘，移除不与内容相邻的平坦背景图像 token，并缓存包含 900 个 token 的系统提示词的 KV cache。其中，背景处理可减少 25% 至 40% 的图像 token，同时保留剩余 token 原有的网格位置。
视觉编码器还单独测试了 NPU 路径。博客披露，经 Qualcomm AI Hub 编译并在高通设备实验室的 Galaxy S25（骁龙 8 Elite）上运行，fp16 编码器耗时 236 毫秒，873 个算子全部在 NPU 上执行，相比该项对照中的 M2 CPU 耗时 3.9 秒，速度约为其 16 倍。这是视觉编码阶段的数据，并非完整操作步骤的耗时。
发布方称，8 位权重搭配 16 位激活可将耗时降至 213 毫秒，但输出与参考结果的余弦相似度低于 fp16，因此应用采用 fp16。NPU 首次加载需 72 秒，用于准备计算图，此后加载耗时为 0.39 秒。
在发布方的另一项测试中，模型对 8 个未经针对性调优的任务，在安卓模拟器上各运行两轮。直接接收完整任务时，两轮分别成功 4 次和 3 次；每次只接收一个子目标，并通过无障碍树核对完成情况后，两轮均成功 6 次。
目前只有骁龙提供 NPU 版本，Tensor、联发科和 Exynos 手机会回退到 GPU 或 CPU。作者也表示，本地模型在未见过的 App 上远弱于云端模型，连接了 Claude、ChatGPT 或 Codex 时，这类任务会交给它们。
Opposable 可在官网免费下载，屏幕模型需在应用设置中另行下载，大小为 1.5 GB。
