UI-TARS-desktop是由位元組跳動Seed團隊與清華大學合作開發並開源的桌面客戶端套用，基於UI-TARS視覺語言模型與Seed-1.5-VL/1.6系列模型構建，支持Windows、macOS系統及瀏覽器環境運行。該套用通過解析自然語言指令，結合螢幕截圖與視覺識別技術實現滑鼠鍵盤的操控，可完成跨套用的複雜任務流程，包括機票搜尋、PPT修改、代碼編輯器外掛程式安裝等操作，並具備動態環境自適應能力以回響界面布局變化。
軟體提供本地和遠程計算機/瀏覽器操作功能，支持實時操作反饋與狀態顯示，所有數據處理均在本地完成。其核心模型UI-TARS-72B在VisualWebBench等基準測試中取得了一定成績，訓練過程採用三階段流程最佳化決策能力。該套用遵循Apache 2.0協定開源，其GitHub倉庫已獲得一定數量的星標。
基本介紹
- 軟體名稱：UI-TARS-desktop
- 軟體平台：Windows
macOS - 開發商：位元組跳動
- 軟體授權：Apache License 2.0
- 軟體版本：v0.2.0
研發背景,發展歷程,核心技術,運營模式,核心團隊,重要事件,
研發背景
UI-TARS-desktop是由位元組跳動Seed團隊與清華大學合作開發的桌面應用程式。該項目基於UI-TARS視覺語言模型，並由Seed-1.5-VL/1.6系列模型驅動。項目於2025年1月開源，並成為國產純視覺GUI Agent中首個在權威基準測試中對標並超越GPT-4o的項目。
發展歷程
2025年1月，位元組跳動與清華大學合作將UI-TARS-desktop項目開源。
2025年04月17日，UI-TARS Desktop發布v0.1.0版本，該版本具有重新設計的Agent UI，引入了瀏覽器操作功能，並支持UI-TARS-1.5模型。
2025年06月12日，UI-TARS Desktop發布v0.2.0版本，該版本引入了Remote Computer Operator和Remote Browser Operator。
核心技術
UI-TARS-desktop基於UI-TARS視覺語言模型與Seed-1.5-VL/1.6系列模型構建。其核心模型UI-TARS-72B在VisualWebBench等基準測試中表現超越GPT-4o。該套用通過解析自然語言指令，結合螢幕截圖與視覺識別技術實現滑鼠鍵盤的精準操控。
運營模式
UI-TARS-desktop是一款開源軟體，其原始碼與各版本安裝包均通過GitHub平台公開提供。項目採用Apache License 2.0開源協定，該協定允許用戶進行商業使用、修改、分發、專利使用和私人使用，但要求在使用或分發時必須保留原始的著作權和許可聲明。軟體按“原樣”提供，不附帶任何明示或暗示的擔保。
核心團隊
UI-TARS-desktop由位元組跳動開發。2025年1月，該項目與清華大學合作開源。
重要事件
2025年4月17日，發布UI-TARS Desktop v0.1.0，具有重新設計的Agent UI，引入瀏覽器操作功能，支持UI-TARS-1.5模型。
2025年6月12日，發布UI-TARS Desktop v0.2.0，引入Remote Computer Operator和Remote Browser Operator，完全免費，無需配置。
2026年2月，登頂GitHub熱榜；其GitHub倉庫（bytedance/UI-TARS-desktop）截至2026年2月27日擁有28.4k stars和2.8k forks。
