UI TARS 7B
1351°
รันโมเดลนี้
ข้อเสนอ / โฆษณา
ByteDance | บริบท 128,000 โทเคน | $0.10/M อินพุต, $0.20/M เอาต์พุต UI-TARS-1.5 เป็นเอเจนต์มัลติโมดัลที่ผสมผสานการมองเห็นและภาษา ออกแบบมาเพื่อสภาพแวดล้อมที่ใช้ GUI รวมถึงอินเทอร์เฟซเดสก์ท็อป เว็บเบราว์เซอร์ ระบบมือถือ และเกม สร้างโดย ByteDance โดยต่อยอดจากเฟรมเวิร์ก UI-TARS ด้วยการเสริมกำลังการเรียนรู้แบบมีเหตุผล ช่วยให้วางแผนและดำเนินการอย่างแข็งแกร่งในอินเทอร์เฟซเสมือนจริง โมเดลนี้ทำคะแนนสูงสุดในชุดทดสอบเชิงโต้ตอบและการกำหนดตำแหน่ง เช่น OSworld, WebVoyager, AndroidWorld และ ScreenSpot นอกจากนี้ยังแสดงผลลัพธ์การทำงานที่สมบูรณ์แบบในเกม Poki หลากหลายเกม และทำได้ดีกว่าโมเดลก่อนหน้าในงานเอเจนต์ Minecraft UI-TARS-1.5 รองรับการแยกความคิดในระหว่างการอนุมานและแสดงการปรับขนาดที่แข็งแกร่งในหลากหลายเวอร์ชัน โดยเวอร์ชัน 1.5 มีประสิทธิภาพเหนือกว่าเช็คพอยต์ 72B และ 7B ก่อนหน้าอย่างชัดเจน
คู่มือสำหรับโมเดลนี้
Ollama กับ LM Studio (2026): แอป AI ท้องถิ่นตัวไหนใช้ดี และแต่ละตัวรันโมเดลชั้นนำอะไรได้บ้าง
ฉันต้องการ VRAM เท่าไหร่สำหรับ AI ท้องถิ่นจริงๆ?
น้ำหนักเปิด vs โอเพนซอร์ส vs API-only: สิ่งที่คุณทำได้จริงๆ
ไฟล์ GGUF คืออะไร? อธิบายโมเดลควอนไทซ์ (Q4, Q8, fp8, NF4)
บันทึกของกัปตัน
บันทึกจาก 2026-10-13
UI-TARS-1.5 7B คือเอเจนต์มัลติโมดัลน้ำหนักเปิดของ ByteDance ที่สร้างมาเพื่อควบคุมอินเทอร์เฟซกราฟิก: แอปเดสก์ท็อป เบราว์เซอร์ หน้าจอมือถือ และเกม การให้เหตุผลด้วยการเรียนรู้เสริมช่วยให้มันวางแผนและดำเนินการหลายขั้นตอนแทนแค่บรรยายสิ่งที่เห็น ด้วยพารามิเตอร์ 7 พันล้านตัว มันทำงานได้เหนือกว่ารุ่น 72B ก่อนหน้าของผู้ผลิตในหลายเกณฑ์วัด GUI
เป็นที่รู้จักสำหรับ
- คะแนนสูงสุดในเกณฑ์วัด OSworld, AndroidWorld และ ScreenSpot
- ควบคุมอินเทอร์เฟซเดสก์ท็อป เบราว์เซอร์ มือถือ และเกมในฐานะเอเจนต์อิสระ
- คิดวางแผนก่อนลงมือทำด้วยเหตุผลที่ฝึกด้วย RL
- สัญญาอนุญาต Apache 2.0 — รันได้ในเครื่อง แก้ไข และนำไปใช้เชิงพาณิชย์
- ขนาด 7B ทำงานได้ดีกว่ารุ่น 72B ก่อนหน้าของผู้ผลิตในงานสำคัญ
ระวัง
- เน้นภาษาอังกฤษเป็นหลัก; การรองรับ GUI หลายภาษาไม่ได้ระบุโดย ByteDance
- การรันในเครื่องในฐานะเอเจนต์ต้องการการตั้งค่ามากกว่ารุ่นแชท — ต้องมี GUI harness
- บริบท 128k โทเค็น แต่ภารกิจเอเจนต์ที่วนซ้ำหลายภาพหน้าจออาจใช้หมดเร็ว
คำสั่งที่ควรลอง
อัตโนมัติงานเบราว์เซอร์
คุณกำลังควบคุมเว็บเบราว์เซอร์ ไปที่ Wikipedia ค้นหาคำว่า 'reinforcement learning' หาส่วนที่เกี่ยวกับการประยุกต์ใช้งาน และส่งประโยคแรกของส่วนนั้น อธิบายทุกคลิกและการกดแป้นที่ทำ จากนั้นบอกคำตอบสุดท้าย
ระบุองค์ประกอบบนหน้าจอ
ฉันแนบภาพหน้าจอของแอปเดสก์ท็อป ระบุพิกัดพิกเซลที่แน่นอนของปุ่มดำเนินการหลัก อธิบายวิธีหาตำแหน่ง และบอกว่าคุณจะทำอะไรต่อเพื่อดำเนินการบันทึกไฟล์ให้เสร็จ
งานมือถือหลายขั้นตอน
คุณกำลังใช้โทรศัพท์ Android เริ่มจากหน้าจอหลัก เปิดแอป Settings ไปที่ Wi-Fi แล้วปิดมัน รายงานแต่ละการแตะหรือปัดเป็นขั้นตอนที่มีหมายเลข และแจ้งจุดที่ UI อาจต้องยืนยันการดำเนินการ
เปรียบเทียบกับ
- GPT-5.6 Lunaโมเดลสำหรับ API เท่านั้นบริบท 1,050,000 โทเค็น · ป้อน $0.20/M, ส่งออก $1.20/M
- Muse Spark 1.3 Contributorโมเดลสำหรับ API เท่านั้นบริบท 1,048,576 โทเค็น · ป้อน $0.10/M, ส่งออก $0.20/M
- Claude Haiku 5.5โมเดลสำหรับ API เท่านั้นบริบท 1,000,000 โทเค็น · ป้อน $0.10/M, ส่งออก $0.50/M
- Gemini 2.5 Flash Liteโมเดลสำหรับ API เท่านั้นบริบท 1,048,576 โทเค็น · ป้อน $0.10/M, ส่งออก $0.40/M
โมเดลข้อความเพิ่มเติมจาก bytedance
คำถามที่คนถาม
- ฉันสามารถรัน UI-TARS-1.5 7B ในเครื่องได้ไหม?
- ได้ — น้ำหนักเปิดเผยภายใต้สัญญาอนุญาต Apache 2.0 และโฮสต์บน Hugging Face คุณสามารถดาวน์โหลดและรันบนฮาร์ดแวร์ของคุณเองได้ ByteDance ยังเผยแพร่แอปเดสก์ท็อปบน GitHub เพื่อช่วยให้ใช้งานเอเจนต์ในเครื่องง่ายขึ้น
- ค่าใช้จ่ายผ่าน API และบริบทยาวแค่ไหน?
- ราคา $0.10 ต่อหนึ่งล้านโทเค็นอินพุต และ $0.20 ต่อหนึ่งล้านโทเค็นเอาต์พุต พร้อมหน้าต่างบริบท 128,000 โทเค็น
- UI-TARS-1.5 7B แตกต่างจากรุ่น UI-TARS เดิมอย่างไร?
- เวอร์ชัน 1.5 เพิ่มการให้เหตุผลด้วยการเรียนรู้เสริม ช่วยให้โมเดลแยกย่อยงานและวางแผนก่อนลงมือทำ ByteDance รายงานว่ามันทำงานได้ดีกว่ารุ่น 7B และ 72B ก่อนหน้าในงานวัดผล
คำตัดสินของกัปตันโมเดล 7B ที่หาได้ยากซึ่งเหมาะกับงานเอเจนต์จริงจัง — น้ำหนักเปิดเผย ราคาต่ำ และแข่งขันได้กับคู่แข่งขนาดใหญ่ที่ปิดในงาน GUI
บัตรโมเดลบน Hugging Face
กัปตันเขียนบันทึกเหล่านี้จากคำอธิบายและบัตรโมเดลของโมเดล ราคากับขนาดบริบทเป็นของผู้ให้บริการในเวลาที่เขียนและอาจเปลี่ยนแปลงได้
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.
คะแนนนี้ถูกคำนวณอย่างไร
โมเดลนี้ยังไม่มีข้อมูลความนิยมจากแหล่งใดเลย จึงใช้ตัวเลขแทนที่ต่ำกว่า 7,000° เพื่อให้รายการครบถ้วน มันจะไม่ติดอันดับเหนือโมเดลที่มีข้อมูล การแยกส่วนจะแสดงที่นี่ทันทีที่มีแหล่งข้อมูลรายงาน
คำศัพท์: คำที่ใช้ที่นี่
- คะแนนความร้อน
- ตัวเลขเดียวที่บอกว่าโมเดลถูกใช้และต้องการมากแค่ไหนตอนนี้ ตั้งแต่ 0° ถึง 9,999° ทุกลิสต์ที่บอกว่าร้อนแรงที่สุดจะเรียงตามคะแนนนี้เท่านั้น
- พื้นฐาน
- 7,000° คือจุดเริ่มต้นของทุกโมเดลที่มีข้อมูลจริง สเกลตั้งแต่ 0° ถึง 9,999° ส่วนที่ต่ำกว่าพื้นฐานสงวนไว้สำหรับตัวแทน (โมเดลที่ไม่มีข้อมูล) เพื่อให้โมเดลที่มีข้อมูลอยู่เหนือกว่า พื้นฐานเหมือนกันสำหรับทุกคนและไม่ตัดสินอะไร คะแนนที่สูงกว่าพื้นฐานคือการวัดผล
- เทียบเท่าการดาวน์โหลด
- ทุกอย่างที่คะแนนนับเป็นการดาวน์โหลด รวมกัน: การดาวน์โหลดจริง, ผู้แชร์แต่ละคนในทอร์เรนต์นับเป็น 1,000, ภาพ AI Horde แต่ละภาพ และแต่ละครั้งที่ใช้งานในเว็บไซต์สร้างภาพ
- สเกลลอการิทึม
- นับเป็นสิบ ไม่ใช่หน่วยเดียว: การเพิ่มจาก 1,000 เป็น 10,000 การดาวน์โหลดจะเพิ่มคะแนนเท่ากับการเพิ่มจาก 10,000 เป็น 100,000 เพื่อไม่ให้โมเดลใหญ่แย่งพื้นที่ทั้งหมด
- ไลก์
- การกดถูกใจและไลก์จากทุกแหล่ง มีค่าน้ำหนักครึ่งหนึ่งของการดาวน์โหลดในสเกลลอการิทึม
- อัตราการนำไปใช้
- จำนวนการดาวน์โหลดต่อวันที่โมเดลได้รับตอนนี้ วัดจากความต่างระหว่างสองครั้งที่อ่านข้อมูล น้ำหนักเป็นหนึ่งในสี่ของการดาวน์โหลด
- วัดได้และประมาณ
- วัดได้หมายถึงมีการอ่านค่าจากแหล่งที่มาสองครั้งและความแตกต่างนั้นเป็นของจริง ประมาณหมายถึงรู้แค่ยอดรวมของวันนี้เท่านั้น ส่วนอดีตจะถูกกระจายไปตามอายุของโมเดล; เว็บไซต์จะบอกว่ากำลังแสดงแบบไหน
- Seeder
- คนที่เก็บสำเนาน้ำหนักไว้บนออนไลน์เพื่อให้คนอื่นดาวน์โหลดผ่านทอร์เรนต์ หรือกระจกที่โฮสต์ทำแบบเดียวกัน แต่ละคนจะนับเป็น 1,000 ดาวน์โหลด
- AI Horde
- เครือข่ายอาสาสมัครที่สร้างภาพฟรีบนคอมพิวเตอร์ที่บริจาค จำนวนภาพที่สร้างด้วยโมเดลแต่ละตัวเป็นข้อมูลสาธารณะ และแต่ละภาพนับเป็นหนึ่งดาวน์โหลด
- เว็บไซต์สร้างภาพ
- เว็บไซต์ที่โฮสต์สำเนาโมเดลของตัวเองและให้คนสร้างภาพ เช่น PixAI, SeaArt และ Yodayo การดาวน์โหลดของพวกเขานับเหมือนกับ Civitai และแต่ละการสร้างภาพนับเป็นหนึ่งดาวน์โหลด
- โทเค็น OpenRouter
- โมเดลข้อความที่ให้บริการผ่าน API เช่น Claude หรือ GPT ไม่มีน้ำหนักให้ดาวน์โหลด ดังนั้นการใช้งานจะวัดจากโทเค็น: ชิ้นส่วนข้อความที่อ่านและเขียนผ่าน OpenRouter ซึ่งเป็นเกตเวย์ที่แอปหลายตัวใช้ใน 30 วันที่ผ่านมา ทุก 10,000,000 โทเค็นนับเป็นการดาวน์โหลดหนึ่งครั้ง แหล่งข้อมูล: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- โมเดลเต็ม (checkpoint)
- น้ำหนักโมเดลเอง ไฟล์ที่สร้างภาพได้ด้วยตัวเอง ได้รับโบนัสเพราะส่วนเสริมขึ้นอยู่กับมัน
- LoRA และ embedding
- ไฟล์เสริมขนาดเล็กที่ช่วยปรับน้ำหนักของคนอื่นให้ไปในสไตล์ ตัวละคร หรือแนวคิดเฉพาะ มันไม่สามารถทำงานได้เอง
- ตระกูลและน้ำหนัก
- ฐานที่โมเดลสร้างขึ้น เช่น SD 1.5, SDXL, Flux หรือ Wan โมเดลทุกตัวจะสืบทอดวันที่ปล่อยน้ำหนักของตระกูล
- อายุ
- ลดคะแนนตามระยะเวลาที่น้ำหนักของตระกูลถูกปล่อยออกมา: 150° ต่อปี สูงสุด 750° มันเก็บดาวน์โหลดเก่าที่สะสมมาหลายปีจากการแช่แข็งบนสุดของรายการ
- บูสต์ตระกูล
- แรงกระตุ้นเล็กๆ ที่จำกัดสำหรับ LoRA ของตระกูลที่เว็บไซต์นี้กำลังผลักดันอยู่ตอนนี้ จะแสดงในรายละเอียดเสมอ
- คะแนนสำรอง
- ตัวเลขที่มั่นคงต่ำกว่าค่าขั้นต่ำที่ให้กับโมเดลที่ยังไม่มีรายงานแหล่งที่มา เพื่อให้รายการครบถ้วน มันจะไม่จัดอันดับสูงกว่าโมเดลที่มีข้อมูล
- ใหม่! (ช่วงเวลาปลอดภัย)
- โมเดลที่มีอายุน้อยกว่า 7 วันจะแสดงคำว่า ใหม่! แทนคะแนนและจะไม่มีอันดับ โมเดลจะเริ่มคำนวณคะแนนตั้งแต่วันแรก แต่โมเดลที่อายุเพียงวันเดียวจะเติบโตเร็วที่สุด ดังนั้นถ้าไม่รอ โมเดลอันดับ #1 ของสัปดาห์จะเป็นโมเดลที่เพิ่งออกมาเมื่อวานแทนที่จะเป็นโมเดลที่อยู่ได้นานหนึ่งสัปดาห์
- แนวโน้ม
- การเติบโตของโมเดลในช่วงเวลาหนึ่งเทียบกับการเติบโตของโมเดลทั่วไปในช่วงเวลาเดียวกัน เร็วกว่าปกติหมายถึงเพิ่มขึ้น ช้ากว่าหมายถึงลดลง
- โมเดลทั่วไป
- จุดกึ่งกลางของแคตตาล็อก: ครึ่งหนึ่งของโมเดลที่มีตัวเลขเติบโตเร็วกว่าในช่วงเวลา ครึ่งหนึ่งช้ากว่า
UI TARS 7B เป็นโมเดลข้อความสำหรับตระกูล Text / LLM ที่อยู่ใน ModelTrends.ai แคตตาล็อกแบบอ่านอย่างเดียวของโมเดล AI สร้างภาพ วิดีโอ และข้อความแบบโอเพนซอร์ส เปรียบเทียบกับโมเดล Text / LLM อื่น ๆ และดูคะแนนความร้อนแรงเพื่อติดตามเทรนด์
โมเดล Text / LLM เพิ่มเติมข้อความ / LLM Text / LLM เพิ่มเติมllmbytedanceวิสัยทัศน์เอเจนต์ในเครื่องงบประมาณ
เรียกดูตามตระกูลโมเดล
โมเดล Text / LLM
434
โมเดล Anima
528
โมเดล Chroma
19
โมเดล Fibo
2
โมเดล Flux
1,496
โมเดล Flux 2 / Klein
1,239
โมเดล Flux 3
3
โมเดล Moss
3
โมเดล Iris
1
โมเดล MiniMax H3
364
โมเดล Hunyuan
204
โมเดล Ideogram
20
โมเดล Krea2
717
โมเดล Qwen
20
โมเดล Qwen2
47
โมเดล Ltx2
153