UI-TARS 1.5 (7B) — агент для GUI
нейросеть
UI-TARS 1.5 — мультимодальный vision-language агент от ByteDance, оптимизированный для GUI‑сред: десктопов, веб‑браузеров, мобильных приложений и игр. Построен на фреймворке UI‑TARS и дообучен для задач понимания экранов и взаимодействия с интерфейсами. Подходит для анализа интерфейсов, генерации пошаговых инструкций, прототипирования и автоматизации тестов; доступен в личном кабинете BotHub.
Характеристики
- Входные данные
- текст, изображения, документы
- Результат
- текст
- Размер контекста
- 128 000 токенов
- Макс. длина ответа
- 2 048 токенов
Стоимость промпта
(за 1M токенов)
Стоимость ответа
(за 1M токенов)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
// Sync - Text generation
async function main() {
const chatCompletion = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'ui-tars-1.5-7b',
});
}
// Async - Text generation
async function main() {
const stream = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'ui-tars-1.5-7b',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Как работает UI-TARS 1.5 (7B) — агент для GUI?
Попробуйте UI-TARS 1.5 на BotHub — доступ без VPN и оплата в рублях.Частые вопросы о UI-TARS 1.5 (7B) — агент для GUI
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
UI Tars 1.5 7B это текстовая модель с поддержкой загрузки документов и изображений. Подходит для обработки больших контекстов, извлечения информации из документов, ответов на вопросы по тексту, суммаризации длинных материалов и аннотации изображений. Вы получаете работу с очень длинным контекстом.
Вы можете получить ответ длиной до 2048 токенов: максимальный объём одного ответа определяется параметром max output tokens. Конкретный итоговый объём в словах зависит от формата и языка текста, поэтому видимый размер ответа может различаться.
В наших данных не отмечено, умеет ли модель демонстрировать явные рассуждения перед ответом. Это не подтверждено, поэтому если вам нужны пошаговые размышления, лучше явно попросить модель дать развернённые объяснения в тексте ответа и проверить результат.
В данных не отмечено поддерживает ли модель нативный вызов функций или формализованный вывод в JSON. Поэтому нельзя гарантировать автоматическую интеграцию; вам стоит проверять поведение на примерах и при необходимости обрабатывать ответы на вашей стороне для получения строго структурированного JSON.
В наших данных указано, что UI Tars 1.5 7B принимает на вход изображения и документы, то есть вы можете передавать графику и файлы с текстом для анализа. Про поддержку аудио и видео в доступных данных не отмечено, поэтому вам стоит уточнять это дополнительно.
В наших данных не указана конкретная оценка понимания русского языка моделью. Поэтому нельзя достоверно судить о её качестве в русском, эффективность будет зависеть от задачи и промпта. Рекомендуется провести тестовые запросы на ваших примерах, чтобы оценить адекватность ответов и стиль.