我可以本地運行 UI-TARS-1.5 7B 嗎？

ByteDance | 128,000 代幣上下文 | $0.10/M 輸入，$0.20/M 輸出。UI-TARS-1.5 是一款多模態視覺語言代理，優化於基於 GUI 的環境，包括桌面介面、網頁瀏覽器、行動系統與遊戲。由 ByteDance 建置，基於 UI-TARS 框架，結合強化學習推理，實現虛擬介面上的強健行動規劃與執行。此模型在多項互動與定位基準測試中達到最先進成果，包括 OSworld、WebVoyager、AndroidWorld 與 ScreenSpot。它在多款 Poki 遊戲中展現完美任務完成率，並在 Minecraft 代理任務中超越先前模型。UI-TARS-1.5 支援推理過程中的思考分解，並在不同版本中展現強大擴展性，1.5 版本尤其超越早期的 72B 與 7B 檢查點表現。

本模型的指南

Ollama vs LM Studio (2026)：該用哪個本地 AI 應用程式，以及各自支援的頂級模型

我到底需要多少 VRAM 才能在本地跑 AI？

開放權重、開源與僅API：你到底能做什麼

什麼是 GGUF 檔案？量化模型解說（Q4、Q8、fp8、NF4）

全部指南

船長筆記

由 Captain 撰寫，內部編輯

2026-10-13 的筆記

UI-TARS-1.5 7B 是字節跳動開放權重的多模態代理，專為操作圖形介面設計：桌面應用程式、瀏覽器、手機螢幕及遊戲。基於強化學習的推理能力讓它能規劃並執行多步驟操作，而不僅僅是描述所見。7B 參數規模在同級中表現優異，在多個 GUI 基準測試中超越早期的 72B 檢查點。

以...聞名

在 OSworld、AndroidWorld 及 ScreenSpot 定位基準測試中獲得最高分
作為自主代理操作桌面、瀏覽器、手機及遊戲介面
得益於強化學習訓練的推理，能先思考步驟再行動
Apache 2.0 授權——可本地運行、修改及商業部署
7B 規模在關鍵任務上超越製作者早期的 72B 模型

注意

主要支援英文；字節跳動未記錄多語言 GUI 支援情況。
本地作為代理運行需要比聊天模型更多的設置——需搭配 GUI 外掛。
上下文長度為 128k 代幣，但代理任務中多次截圖迴圈可能快速耗盡。

最適合

可嘗試的提示詞

瀏覽器任務自動化

你正在控制一個網頁瀏覽器。前往維基百科，搜尋「reinforcement learning」，找到應用部分，並回傳該部分的第一句。描述你每一次點擊和按鍵，最後給我答案。

螢幕元素定位

我附上一張桌面應用程式的截圖。請找出主要操作按鈕的精確像素座標，說明你如何定位，並描述接下來你會採取什麼動作以完成檔案儲存操作。

多步驟手機任務

你正在操作一支 Android 手機。從主畫面開始，打開設定應用，導航至 Wi-Fi，並將其關閉。將每次點擊或滑動列為編號步驟，並標記任何可能需要確認對話框的步驟。

比較

GPT-5.6 Luna
僅限 API 模型
1,050,000 代幣上下文 · $0.20/M 輸入，$1.20/M 輸出
Muse Spark 1.3 Contributor
僅限 API 模型
1,048,576 代幣上下文 · $0.10/M 輸入，$0.20/M 輸出
Claude Haiku 5.5
僅限 API 模型
1,000,000 代幣上下文 · $0.10/M 輸入，$0.50/M 輸出
Gemini 2.5 Flash Lite
僅限 API 模型
1,048,576 代幣上下文 · $0.10/M 輸入，$0.40/M 輸出

更多來自 bytedance 的文字模型

常見問題

我可以本地運行 UI-TARS-1.5 7B 嗎？: 可以——權重以 Apache 2.0 授權開放，並托管於 Hugging Face，你可以下載並在自己的硬體上運行。字節跳動也在 GitHub 發布了桌面應用包裝器，方便本地代理使用。
透過 API 使用的費用是多少？上下文視窗多大？: 價格為每百萬輸入代幣 0.10 美元，每百萬輸出代幣 0.20 美元，上下文視窗為 128,000 代幣。
UI-TARS-1.5 7B 與原始 UI-TARS 模型有何不同？: 1.5 版本新增了基於強化學習的推理，讓模型能先分解任務並規劃行動再執行；字節跳動報告其在基準任務中表現優於早期的 7B 和 72B 檢查點。

船長評語
罕見的 7B 模型，能在嚴肅的代理流程中佔有一席之地——開放權重、成本低廉，且在 GUI 任務上真實競爭過許多更大型的封閉模型。

Hugging Face 上的模型卡

船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

這個分數是怎麼累積的

這個模型目前還沒有任何來源的流行度數據，所以它會有一個低於 7,000° 的替代數字，讓列表保持完整。它永遠不會排在有數據的模型前面。一旦有來源報告數據，細項就會顯示在這裡。

詞彙表：這裡使用的術語

熱度分數: 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
底線: 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
下載等值: 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
對數刻度: 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
喜歡數: 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
採用率: 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
實測與估算: 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
種子節點: 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
AI Horde: 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
生成網站: 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
OpenRouter 代幣: 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
完整模型（檢查點）: 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
LoRA和嵌入: 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
家族與權重: 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
年齡: 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
家族加成: 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
替代分數: 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
全新！(寬限期): 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
趨勢: 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
典型模型: 目錄中的中間值：一半模型在該期間成長較快，一半較慢。