# UI-TARS - 字节跳动 GUI 自动化智能体

> 字节跳动开源多模态智能体，桌面/浏览器/手机自动化操作，游戏任务 SOTA

## 介绍

UI-TARS 是字节跳动 Seed 团队开源的多模态智能体模型，专门用于自动化 GUI 交互，包括桌面、浏览器和手机操作。

## 核心能力

| 能力 | 表现 |
|------|------|
| 桌面自动化 | OSWorld 基准 42.5%（超越 OpenAI CUA 36.4%） |
| 浏览器操作 | WebVoyager 84.8%，Online-Mind2web 75.8% |
| 手机控制 | Android World 64.2% |
| 游戏任务 | Poki 游戏 100% 通关率 |
| GUI 定位 | ScreenSpotPro 61.6%（远超 Claude 3.7 的 27.7%） |

## 模型版本

- **UI-TARS-2** (最新) - All-in-One 智能体，支持 GUI/游戏/代码/工具调用
- **UI-TARS-1.5-7B** - 开源版本，专注通用计算机使用

## 使用方式



支持 HuggingFace 部署，提供桌面版 UI-TARS-desktop 和 Web 自动化 Midscene.js 集成。

## 技术特点

- 基于 Qwen2.5-VL 架构
- 强化学习增强推理能力
- 支持绝对坐标定位
- 推理时扩展（Inference-time scaling）

字节跳动出品，MIT 协议开源。

---

**分类**：源码
**标签**：自动化 · UI · 字节
**作者**：Xiao.Xi
**链接**：https://octohz.com/p/1473