bytedance/UI-TARS-desktop
摘要
ByteDance 发布了 TARS，这是一个多模态 AI 智能体技术栈，包含 Agent TARS（基于 CLI/Web UI 的通用 AI 智能体，支持 GUI、浏览器和终端任务）和 UI-TARS Desktop（由 UI-TARS 模型驱动的原生桌面应用，用于本地和远程计算机/浏览器自动化）。该技术栈将多模态 LLM 与 MCP 工具相结合，实现类人任务处理能力。
查看缓存全文
缓存时间: 2026/05/09 12:30
📑 论文 | 🤗 Hugging Face 模型 | 🫨 Discord | 🤖 ModelScope | 🖥️ 桌面应用 | 👓 Midscene（在浏览器中使用）
相似文章
@GitTrend0x: 100% 本地桌面AI Agent 杀手级开源神器 https://github.com/bytedance/UI-TARS-desktop… 这就是 UI-TARS-desktop，字节跳动开源的 31k 星爆款多模态桌面自动化代理！ …
UI-TARS-desktop is a highly popular open-source tool by ByteDance that enables 100% local multimodal desktop automation, allowing users to control apps and browsers via natural language without cloud data leaks.
@heyrimsha: 我刚刚找到了最接近笔记本电脑“AI 员工”的东西。UI-TARS 让你给电脑下达任务，然后 AI 就……
UI-TARS 是一个 AI 智能体，能够控制笔记本电脑屏幕来执行点击、打字和浏览等操作，实际上充当了设备本地的 AI 员工。
@axiaisacat: 字节跳动开源了一个能直接操控你电脑的 AI 叫 UI-TARS，开源免费，本地运行 你用说话的方式告诉它： 「帮我在 Priceline 订9月1日最早的旧金山到纽约的机票」 「帮我把 VS Code 的自动保存延迟设置成500毫秒」 「…
ByteDance has open-sourced UI-TARS, an AI model capable of directly controlling computer interfaces via mouse and keyboard for tasks like booking flights or configuring software. Available in 2B, 7B, and 72B parameter sizes, it runs locally and offers a free alternative to paid services like Anthropic's Computer Use.
@GoSailGlobal: 字节悄悄把 GUI Agent 这条路线开源了，而且做得比想象中扎实 UI-TARS-desktop（GitHub 29.4k ）一个仓库里塞了两个东西： · Agent TARS：通用多模态 Agent 框架，CLI 一键启动，能在终端…
字节跳动开源了 UI-TARS-desktop 项目，包含通用多模态 Agent 框架 Agent TARS 和本地 GUI Agent UI-TARS Desktop，支持在终端/浏览器执行真实任务，基于 UI-TARS 视觉模型和 Seed-1.5-VL，采用 Apache 2.0 许可。
UI-TARS-2 技术报告：通过多轮强化学习推进图形用户界面代理
UI-TARS-2 是一款原生以图形用户界面为中心的代理模型，解决了数据可扩展性、多轮强化学习以及环境稳定性等挑战，在图形用户界面基准测试中取得了领先成果（Online-Mind2Web 88.2 分，OSWorld 47.5 分，WindowsAgentArena 50.6 分，AndroidWorld 73.3 分），优于 Claude 和 OpenAI 代理模型。