字节跳动发布 UI-TARS-1.5 并开源 7B 模型

背景

UI-TARS 是字节跳动 Seed 团队的图形界面智能体系列，通过观察屏幕截图，并使用键盘和鼠标来操作软件。UI-TARS-1.5 是对原始模型的更新，于 2025 年 4 月 16 日发布。^[1]

发生了什么

2025 年 4 月 16 日，字节跳动 Seed 团队分享了 UI-TARS-1.5，并开源了 UI-TARS-1.5-7B。其中 7B 指模型约有 70 亿个参数，即模型在训练中学习得到的可调数值。^[1]

完整版 UI-TARS-1.5 通过申请研究权限的方式提供。^[1]

关键成绩

完整模型在 100 步的设定下，OSWorld 得分 42.5，领先于 OpenAI CUA 的 36.4 和 Claude 3.7 的 28。^[1] 在 AndroidWorld 上，它得分 64.2；在 ScreenSpot-Pro 上得分 61.6。ScreenSpot-Pro 是一套在高分辨率屏幕上定位界面元素的基准测试。^[1]

开源的 7B 模型在 OSWorld 上得分 27.5。^[1]

开源许可

此次发布采用 Apache-2.0 许可证，允许他人在保留许可声明的前提下使用、修改和再分发模型。^[1]

开放权重让研究人员可以检查模型、在本地硬件上运行，并为实验进行修改。只通过申请方式提供的模型，对外部团队来说较难复现结果。参数量是决定模型所需内存和计算量的主要因素之一，因此 7B 模型所需的硬件远比大型模型要低。

影响

这次发布让研究人员和开发者可以自行运行和研究一个开源模型，完整版则需通过申请方式获得。