海洋馆馆长
@CycleDecoded
AI工具实测 | 每周分享3个值得用的流程和场景 | 独立开发者×效率工具
参加 May 2021
1.2K フォロー中 7.3K ファン
开源巨头 ByteDance 刚推出来的全原生 GUI 自动化 Agent 框架，直接靠看屏幕截图就能像真人一样抠键盘、甩鼠标操作电脑。不需要繁琐的代码封装，端到端直接跑通，跑分直接把 GPT-4o 和 Claude 给干懵了。
📌 基础参数：
• 开源地址：GitHub (bytedance/UI-TARS)
• 协议许可：Apache-2.0
• 核心战绩：OSWorld 和 AndroidWorld 多项 Benchmark 登顶 SOTA
🔥 核心杀招：
纯视觉驱动：丢掉繁琐 DOM 树和复杂 API，只看屏幕截图就能精准定位控件、自动跟进。
超越 Claude 3.5：在 OSWorld 电脑端自动化测试中，50 步任务得分 24.6，直接碾压 Anthropic 的 Computer Use。
手机电脑通吃：统一了跨平台的动作空间，无论是 PC 端的复杂软件还是手机 App 都能一键操控。
反思自愈机制：点了没反应或者报错会自动“自我反思”，换个法子继续试，绝不卡死。
🔗 链接：
もっと見る
