海洋馆馆长(@CycleDecoded):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：

2026.08.07 12:20

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：