# 豆包1.5·UI-TARS – 字节豆包推出的 GUI Agent 模型

- Link: https://paooo.com/aigc-news/20295/
- Published: 2026-06-08T16:02:52+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 将视觉理解、推理决策与动作执行合并到单一模型，面向GUI任务端到端自动化。
 * 支持多目标、小目标框定位与点定位，可用于定位计数、内容描述等界面识别任务。
 * 已上线火山方舟平台，适合自动化办公、软件测试、智能客服与机器人交互。

## 豆包1.5·UI-TARS是什么

豆包1.5·UI-TARS是字节豆包推出的面向图形界面交互（GUI）的[Agent](https://paooo.com/trends/)
模型。模型基于感知、推理和动作执行等类人能力，与图形界面进行连续、流畅的交互。模型
将视觉理解、逻辑推理、界面元素定位和操作整合在单一模型中，无需预定义工作流程或人工
规则，实现端到端的任务自动化。豆包1.5·UI-TARS 已在火山方舟平台上线。

阅读目录

 * [豆包1.5·UI-TARS是什么](https://paooo.com/aigc-news/20295/#%e8%b1%86%e5%8c%8515uitars%e6%98%af%e4%bb%80%e4%b9%88)
 * [豆包1.5·UI-TARS的主要功能](https://paooo.com/aigc-news/20295/#%e8%b1%86%e5%8c%8515uitars%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [豆包1.5·UI-TARS的技术原理](https://paooo.com/aigc-news/20295/#%e8%b1%86%e5%8c%8515uitars%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [豆包1.5·UI-TARS的项目官网](https://paooo.com/aigc-news/20295/#%e8%b1%86%e5%8c%8515uitars%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%ae%98%e7%bd%91)
 * [豆包1.5·UI-TARS的应用场景](https://paooo.com/aigc-news/20295/#%e8%b1%86%e5%8c%8515uitars%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![豆包1.5·UI-TARS模型](https://paooo.com/wp-content/uploads/2026/06/doubao-1-5-ui-
tars-website-1.avif)

## 豆包1.5·UI-TARS的主要功能

 * **图形界面交互能力**：基于感知、推理和动作执行，与图形用户界面进行连续、流畅的
   交互，完成复杂的任务。
 * **视觉理解与定位**：理解屏幕上的视觉信息，支持多目标、小目标的框定位和点定位，
   进行定位计数、描述定位内容等。
 * **逻辑推理与决策**：结合视觉信息和任务指令，进行逻辑推理，生成合理的操作步骤。
 * **高执行效率**：基于方舟豆包[大模型](https://paooo.com/ai-study/)推理服务，全
   网最高吞吐，初始500w TPM，极致的推理延迟，TPOT 30ms。
 * **原生GUI Agent**：无需预定义流程或人工规则，实现端到端的自动化GUI交互任务执行。

## 豆包1.5·UI-TARS的技术原理

 * **视觉大模型（VLM）**：模型基于强大的视觉大模型，理解和处理图形界面中的视觉信息，
   包括图像、文本、图标等。
 * **多模态融合**：将视觉感知、逻辑推理和动作执行能力集成到一个模型中，实现多模态
   信息的融合处理。
 * **端到端学习**：基于大量的标注数据和强化学习，模型学习从任务输入到操作输出的端
   到端映射，无需人工定义规则。

## 豆包1.5·UI-TARS的项目官网

 * **项目官网**：[https://www.volcengine.com/docs](https://www.volcengine.com/docs/82379/1536429?utm_source=ai-bot.cn)

## 豆包1.5·UI-TARS的应用场景

 * **自动化办公**：自动处理文档、表格、邮件等任务，提高效率。
 * **软件测试**：模拟用户操作，检测软件问题，提升质量。
 * **智能客服**：实时解答用户问题，提供操作指导。
 * **机器人交互**：指导机器人完成复杂操作，应用在工业和物流。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**豆包 ↗**

豆包是一款多功能AI助手，提供智能对话、文案创作及编程辅助服务。

**豆包大模型 ↗**

字节跳动推出的AI大模型家族，包括视频生成、语音视觉、通用语言模型等。

❓ 常见问题解答（FAQ）

豆包1.5·UI-TARS是什么模型？

豆包1.5·UI-TARS是字节豆包推出的GUI Agent模型，面向图形界面交互任务。它把视觉理解、
逻辑推理、界面定位和操作执行整合在一起，可直接完成端到端自动化任务。

豆包1.5·UI-TARS能做哪些GUI任务？

它可用于自动化办公、软件测试、智能客服和机器人交互等场景，支持对屏幕元素进行定位、
计数、描述，并根据任务指令生成连续操作步骤。

豆包1.5·UI-TARS的技术特点是什么？

其核心特点是基于视觉大模型与多模态融合，把感知、推理和动作执行统一到一个模型中，
并通过端到端学习减少对预定义流程和人工规则的依赖。

🔬 语宙深潜追问 · 进阶实操拆解

GUI Agent 落地先选哪些任务？

优先选高频、规则稳定、容错低的流程，如表单录入、报表下载、批量测试。先用可回放日志
和失败重试机制做闭环，再逐步扩展到多步骤跨系统任务，避免一开始就碰强交互和强异常
场景。

如何评估低延迟是否真有价值？

看端到端完成时延、单任务吞吐和失败恢复成本，而不只看模型推理速度。若任务链路里人工
等待、页面加载或接口抖动占比更高，先优化编排、缓存和并发控制，收益通常比单纯换大
模型更明显。

🗳️ 读者观点微投票 · 您的实战立场是？

GUI Agent 真能替代人工点点点吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🏮 所属权威专题：国产大模型选型与资费对比 →](https://paooo.com/topics/domestic-llm-ecosystem/)

 * [UI-TARS – 字节跳动推出的开源原生 GUI 代理模型](https://paooo.com/aigc-news/22609/)
 * [豆包2.1 – 字节跳动推出的全新智能体模型系列](https://paooo.com/aigc-news/24231/)
 * [Agent TARS – 字节跳动开源的多模态 AI Agent 项目](https://paooo.com/aigc-news/20885/)
 * [智谱AI发布GLM-5V-Turbo：原生多模态Coding基座模型，看图写代码能力领先](https://paooo.com/aigc-news/11025/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/20295/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
