UI TARS 7B
1351°
इस मॉडल को चलाएं
ऑफर / विज्ञापन
ByteDance | 128,000 token context | $0.10/M input, $0.20/M output. UI-TARS-1.5 एक मल्टीमॉडल विज़न-भाषा एजेंट है जो GUI-आधारित वातावरणों के लिए अनुकूलित है, जिनमें डेस्कटॉप इंटरफेस, वेब ब्राउज़र, मोबाइल सिस्टम और गेम शामिल हैं। ByteDance द्वारा निर्मित, यह UI-TARS फ्रेमवर्क पर आधारित है और सुदृढ़ीकरण-शिक्षण आधारित तर्क क्षमता के साथ आता है, जो वर्चुअल इंटरफेस पर मजबूत क्रिया योजना और निष्पादन सक्षम करता है। यह मॉडल OSworld, WebVoyager, AndroidWorld, और ScreenSpot सहित कई इंटरैक्टिव और ग्राउंडिंग बेंचमार्क पर अत्याधुनिक परिणाम प्राप्त करता है। यह विभिन्न Poki गेम्स में पूर्ण कार्य पूर्णता…ByteDance | 128,000 token context | $0.10/M input, $0.20/M output. UI-TARS-1.5 एक मल्टीमॉडल विज़न-भाषा एजेंट है जो GUI-आधारित वातावरणों के लिए अनुकूलित है, जिनमें डेस्कटॉप इंटरफेस, वेब ब्राउज़र, मोबाइल सिस्टम और गेम शामिल हैं। ByteDance द्वारा निर्मित, यह UI-TARS फ्रेमवर्क पर आधारित है और सुदृढ़ीकरण-शिक्षण आधारित तर्क क्षमता के साथ आता है, जो वर्चुअल इंटरफेस पर मजबूत क्रिया योजना और निष्पादन सक्षम करता है। यह मॉडल OSworld, WebVoyager, AndroidWorld, और ScreenSpot सहित कई इंटरैक्टिव और ग्राउंडिंग बेंचमार्क पर अत्याधुनिक परिणाम प्राप्त करता है। यह विभिन्न Poki गेम्स में पूर्ण कार्य पूर्णता दिखाता है और Minecraft एजेंट कार्यों में पिछले मॉडलों से बेहतर प्रदर्शन करता है। UI-TARS-1.5 अनुमान के दौरान विचार विघटन का समर्थन करता है और विभिन्न संस्करणों में मजबूत स्केलिंग दिखाता है, जिसमें 1.5 संस्करण विशेष रूप से पुराने 72B और 7B चेकपॉइंट्स से बेहतर प्रदर्शन करता है।
इस मॉडल के लिए गाइड
Ollama बनाम LM Studio (2026): कौन सा लोकल AI ऐप इस्तेमाल करें, और कौन से टॉप मॉडल कौन चलाता है
स्थानीय AI के लिए मुझे वास्तव में कितनी VRAM चाहिए?
ओपन वेट्स, ओपन सोर्स और केवल API: आप वास्तव में क्या कर सकते हैं
GGUF फ़ाइल क्या है? क्वांटाइज़्ड मॉडल समझाया (Q4, Q8, fp8, NF4)
कैप्टन के नोट्स
2026-10-13 के नोट्स
UI-TARS-1.5 7B ByteDance का खुला-वज़न मल्टीमॉडल एजेंट है जिसे ग्राफिकल इंटरफेस जैसे डेस्कटॉप ऐप्स, ब्राउज़र, मोबाइल स्क्रीन और गेम्स को संचालित करने के लिए बनाया गया है। सुदृढीकरण-शिक्षण आधारित तर्क इसे केवल देखने का वर्णन करने के बजाय बहु-चरण क्रियाओं की योजना बनाने और निष्पादित करने देता है। 7B पैरामीटर के साथ यह अपने वजन वर्ग से कहीं बेहतर प्रदर्शन करता है, कई GUI बेंचमार्क पर पुराने 72B चेकपॉइंट्स से बेहतर।
के लिए जाना जाता है
- OSworld, AndroidWorld और ScreenSpot ग्राउंडिंग बेंचमार्क्स पर शीर्ष स्कोर
- डेस्कटॉप, ब्राउज़र, मोबाइल और गेम इंटरफेस को स्वायत्त एजेंट के रूप में संचालित करता है
- RL-प्रशिक्षित तर्क के कारण क्रियाओं से पहले चरणों पर सोचता है
- Apache 2.0 लाइसेंस — इसे स्थानीय रूप से चलाएं, संशोधित करें, वाणिज्यिक रूप से तैनात करें
- 7B आकार निर्माता के अपने पुराने 72B मॉडल से प्रमुख कार्यों पर बेहतर प्रदर्शन करता है
सावधान रहें
- मुख्य रूप से अंग्रेज़ी; बहुभाषी GUI समर्थन ByteDance द्वारा प्रलेखित नहीं है।
- स्थानीय रूप से एजेंट के रूप में चलाने के लिए चैट मॉडल की तुलना में अधिक सेटअप की आवश्यकता होती है — आपको GUI हार्नेस चाहिए।
- संदर्भ 128k टोकन है, लेकिन कई स्क्रीनशॉट्स पर लूप करने वाले एजेंट कार्य इसे जल्दी समाप्त कर सकते हैं।
के लिए सबसे अच्छा
प्रयास करने के लिए प्रॉम्प्ट
ब्राउज़र कार्य स्वचालन
आप एक वेब ब्राउज़र नियंत्रित कर रहे हैं। Wikipedia पर जाएं, 'reinforcement learning' खोजें, अनुप्रयोगों वाले अनुभाग को खोजें, और उस अनुभाग का पहला वाक्य लौटाएं। हर क्लिक और कीस्ट्रोक का वर्णन करें, फिर अंतिम उत्तर दें।
स्क्रीन तत्व ग्राउंडिंग
मैं एक डेस्कटॉप एप्लिकेशन का स्क्रीनशॉट संलग्न कर रहा हूँ। प्राथमिक क्रिया बटन के सटीक पिक्सेल निर्देशांक पहचानें, बताएं कि आपने इसे कैसे खोजा, और फ़ाइल-सहेजने की प्रक्रिया पूरी करने के लिए अगला कदम क्या होगा, उसका वर्णन करें।
बहु-चरण मोबाइल कार्य
आप एक Android फोन चला रहे हैं। होम स्क्रीन से शुरू करें, सेटिंग्स ऐप खोलें, Wi-Fi पर जाएं, और इसे बंद करें। प्रत्येक टैप या स्वाइप को क्रमांकित चरण के रूप में सूचीबद्ध करें, और किसी भी बिंदु को चिह्नित करें जहाँ UI पुष्टिकरण संवाद की मांग कर सकता है।
की तुलना करें
- GPT-5.6 Lunaकेवल API मॉडल1,050,000 टोकन संदर्भ · $0.20/M इनपुट, $1.20/M आउटपुट
- Muse Spark 1.3 Contributorकेवल API मॉडल1,048,576 टोकन संदर्भ · $0.10/M इनपुट, $0.20/M आउटपुट
- Claude Haiku 5.5केवल API मॉडल1,000,000 टोकन संदर्भ · $0.10/M इनपुट, $0.50/M आउटपुट
- Gemini 2.5 Flash Liteकेवल API मॉडल1,048,576 टोकन संदर्भ · $0.10/M इनपुट, $0.40/M आउटपुट
bytedance से और टेक्स्ट मॉडल
लोग जो सवाल पूछते हैं
- क्या मैं UI-TARS-1.5 7B को स्थानीय रूप से चला सकता हूँ?
- हाँ — वज़न Apache 2.0 के तहत खुले हैं और Hugging Face पर होस्ट किए गए हैं, इसलिए आप इन्हें डाउनलोड करके अपने हार्डवेयर पर चला सकते हैं। ByteDance GitHub पर एक डेस्कटॉप एप्लिकेशन रैपर भी प्रकाशित करता है जो स्थानीय एजेंट उपयोग को आसान बनाता है।
- API के माध्यम से उपयोग की कीमत क्या है, और संदर्भ विंडो कितना बड़ा है?
- मूल्य $0.10 प्रति मिलियन इनपुट टोकन और $0.20 प्रति मिलियन आउटपुट टोकन है, संदर्भ विंडो 128,000 टोकन की है।
- UI-TARS-1.5 7B मूल UI-TARS मॉडलों से कैसे अलग है?
- 1.5 संस्करण में सुदृढीकरण-शिक्षण आधारित तर्क शामिल है, जो मॉडल को कार्यों को तोड़ने और क्रियाओं की योजना बनाने देता है; ByteDance रिपोर्ट करता है कि यह पुराने 7B और 72B चेकपॉइंट्स दोनों से बेहतर प्रदर्शन करता है।
कैप्टन का निर्णयएक दुर्लभ 7B मॉडल जो गंभीर एजेंट पाइपलाइनों में अपनी जगह बनाता है — खुले वज़न, कम लागत, और GUI कार्यों पर बड़े बंद मॉडल प्रतिद्वंद्वियों के साथ प्रतिस्पर्धी।
Hugging Face पर मॉडल कार्ड
कैप्टन ये नोट्स मॉडल के अपने विवरण और मॉडल कार्ड से लिखता है। कीमतें और संदर्भ आकार लेखन के समय प्रदाता के हैं और बदल सकते हैं।
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
यह स्कोर कैसे जमा होता है
इस मॉडल के पास अभी तक किसी भी स्रोत से लोकप्रियता डेटा नहीं है, इसलिए इसमें 7,000° से नीचे एक स्टैंड-इन नंबर होता है जो सूचियों को पूरा रखता है। यह कभी भी डेटा वाले मॉडल से ऊपर रैंक नहीं करता। जैसे ही कोई स्रोत रिपोर्ट करता है, यहाँ उसका विवरण दिखता है।
शब्दावली: यहाँ इस्तेमाल हुए शब्द
- हीट स्कोर
- एक नंबर जो बताता है कि मॉडल अभी कितना इस्तेमाल हो रहा है और कितना पसंद किया जा रहा है, 0° से 9,999° तक। इस साइट की हर 'सबसे गर्म' सूची इसी के हिसाब से सॉर्ट होती है।
- फ्लोर
- 7,000° जो हर मॉडल को असली डेटा के साथ मिलता है। स्केल 0° से 9,999° तक चलता है; फ्लोर से नीचे का हिस्सा बिना डेटा वाले मॉडल के लिए रखा गया है, ताकि डेटा वाला मॉडल हमेशा ऊपर रहे। फ्लोर सबके लिए एक जैसा है और कुछ तय नहीं करता; इससे ऊपर के डिग्री माप हैं।
- डाउनलोड-बराबर
- स्कोर जो कुछ भी डाउनलोड मानता है, उसका जोड़: खुद डाउनलोड, हर टोरेंट सीडर को 1,000, हर AI Horde इमेज और हर जनरेशन साइट पर रन को 1 माना जाता है।
- लॉग स्केल
- दस के हिसाब से गिनती, एक-एक करके नहीं: 1,000 से 10,000 डाउनलोड जाना उतना ही डिग्री बढ़ाता है जितना 10,000 से 100,000 जाना। इससे बड़े मॉडल बाकी सबको दबाते नहीं।
- लाइक्स
- हर स्रोत से अंगूठा ऊपर और लाइक्स, जो लॉग स्केल पर आधे डाउनलोड के बराबर हैं।
- अपनाने की दर
- अभी मॉडल को रोजाना कितने डाउनलोड मिल रहे हैं, दो माप के बीच के अंतर से। डाउनलोड के वजन का एक चौथाई।
- मापा और अनुमानित
- मापा मतलब किसी स्रोत के दो रीडिंग मौजूद हैं और उनका अंतर असली है। अनुमानित मतलब केवल आज का कुल पता है और पिछला डेटा मॉडल के जीवनकाल में फैला हुआ है; साइट बताती है कि कौन सा दिखा रही है।
- सीडर
- कोई जो वज़न की कॉपी ऑनलाइन रखता है ताकि दूसरे टोरेंट के जरिए डाउनलोड कर सकें, या होस्टेड मिरर जो ऐसा करता है। हर एक को 1,000 डाउनलोड माना जाता है।
- AI हॉरड
- एक स्वयंसेवी नेटवर्क जो दान किए गए कंप्यूटरों पर मुफ्त में इमेज बनाता है। किसी मॉडल के साथ बनाई गई इमेज की संख्या सार्वजनिक होती है, और हर एक को एक डाउनलोड माना जाता है।
- जनरेशन साइट्स
- ऐसी साइट्स जो अपने मॉडल की कॉपी होस्ट करती हैं और लोगों को उससे जनरेट करने देती हैं, जैसे PixAI, SeaArt और Yodayo। इनके डाउनलोड Civitai की तरह गिने जाते हैं और हर जनरेशन रन को एक डाउनलोड माना जाता है।
- OpenRouter टोकन
- Claude या GPT जैसे API के माध्यम से सेवा प्राप्त टेक्स्ट मॉडल के लिए डाउनलोड करने के लिए कोई वज़न नहीं होता, इसलिए इसका उपयोग टोकन में मापा जाता है: वे टेक्स्ट के टुकड़े जो इसने OpenRouter के माध्यम से पढ़े और लिखे, जो कई ऐप्स द्वारा उपयोग किया जाने वाला एक गेटवे है, पिछले 30 दिनों में। हर 10,000,000 टोकन एक डाउनलोड के रूप में गिने जाते हैं। स्रोत: OpenRouter (openrouter.ai/rankings), CC BY 4.0।
- पूरा मॉडल (चेकपॉइंट)
- खुद जनरेट करने वाली फाइल, वज़न खुद में। इसे बोनस मिलता है क्योंकि एड-ऑन इसी पर निर्भर होते हैं।
- LoRA और एम्बेडिंग
- छोटे एड-ऑन फाइल जो किसी और के वज़न को एक स्टाइल, कैरेक्टर या कॉन्सेप्ट की ओर मोड़ते हैं। ये अकेले नहीं चल सकते।
- फैमिली और वज़न
- जिस बेस पर मॉडल बना है, जैसे SD 1.5, SDXL, Flux या Wan। हर मॉडल अपने फैमिली के वज़न की रिलीज़ तारीख विरासत में लेता है।
- उम्र
- कितने समय पहले फैमिली के वज़न आए थे उसके हिसाब से घटाई गई डिग्री: सालाना 150°, अधिकतम 750° तक। यह पुराने डाउनलोड्स को सूची के शीर्ष से फ्रीज करके रखता है।
- फैमिली बूस्ट
- इस साइट द्वारा अभी आगे बढ़ाए जा रहे फैमिली के LoRA के लिए एक छोटा, सीमित बढ़ावा, जो हमेशा ब्रेकडाउन में दिखता है।
- स्टैंड-इन स्कोर
- एक स्थिर संख्या जो उस मॉडल को दी जाती है जिसके लिए अभी कोई स्रोत रिपोर्ट नहीं है, ताकि सूचियाँ पूरी रहें। यह कभी भी डेटा वाले मॉडल से ऊपर रैंक नहीं करता।
- नया! (ग्रेस अवधि)
- एक मॉडल जो 7 दिनों से कम पुराना है, वह स्कोर के बजाय नया! दिखाता है और रैंकिंग में कोई स्थान नहीं रखता। इसका स्कोर पहले दिन से गणना किया जाता है, लेकिन एक दिन पुराना मॉडल सबसे तेज़ बढ़ता है, इसलिए बिना इंतजार के सप्ताह का #1 हमेशा कल निकला हुआ मॉडल होता बजाय उस मॉडल के जो एक सप्ताह तक टिके।
- ट्रेंड
- किसी अवधि में मॉडल की बढ़त की तुलना उसी अवधि में सामान्य मॉडल की बढ़त से। सामान्य से तेज़ बढ़त को उछाल माना जाता है, धीमी को गिरावट।
- सामान्य मॉडल
- कैटलॉग का मध्य: आधे मॉडल जिनके आंकड़े हैं, उन्होंने उस अवधि में तेज़ बढ़त की, आधे ने धीमी।
UI TARS 7B Text / LLM फ़ैमिली का एक टेक्स्ट मॉडल है, जो ModelTrends.ai पर सूचीबद्ध है — ओपन सोर्स AI इमेज, वीडियो और टेक्स्ट मॉडल की एक केवल-पढ़ने योग्य सूची। इसकी तुलना अन्य Text / LLM मॉडल से करें और ट्रेंड देखने के लिए इसका हीट स्कोर देखें।
मॉडल फ़ैमिली के अनुसार ब्राउज़ करें
Text / LLM मॉडल
434
Anima मॉडल
528
Chroma मॉडल
19
Fibo मॉडल
2
Flux मॉडल
1,496
Flux 2 / Klein मॉडल
1,239
Flux 3 मॉडल
3
Moss मॉडल
3
Iris मॉडल
1
MiniMax H3 मॉडल
364
Hunyuan मॉडल
204
Ideogram मॉडल
20
Krea2 मॉडल
717
Qwen मॉडल
20
Qwen2 मॉडल
47
Ltx2 मॉडल
153