ByteDance: UI-TARS 7B

UI-TARS 7B هو نموذج متعدد الوسائط من ByteDance، صدر في 22 يوليو 2025 تحت معرّف النموذج bytedance/ui-tars-1.5-7b. ينتمي إلى عائلة UI-TARS 1.5، وهي سلسلة من وكلاء الرؤية واللغة المصممة لبيئات واجهة المستخدم الرسومية. تصفه ByteDance بأنه محسّن لواجهات سطح المكتب ومتصفحات الويب وأنظمة الهواتف المحمولة والألعاب، لذا من الأفضل فهمه كنموذج مصمم حول التفاعل مع الشاشات بدلاً من كونه نموذج محادثة عام الغرض. تاريخ قطع المعرفة الخاص به هو 31 يناير 2025.

يقبل النموذج الصور والنصوص كمدخلات ويعيد النصوص كمخرجات، مما يعني أنه يمكنه النظر إلى لقطة شاشة أو التقاط واجهة إلى جانب تعليمات وإنتاج رد نصي. نافذة السياق الخاصة به هي 128,000 رمز، وهي كبيرة بما يكفي لاستيعاب سجلات تفاعل طويلة أو حالة واجهة مفصلة إلى جانب التعليمات، والحد الأقصى لمخرجاته هو 2,048 رمز لكل رد. بكونه نموذجاً بـ 7B معامل، فهو صغير نسبياً بالنسبة لوكيل رؤية ولغة، وهذا مهم عند التخطيط لزمن الاستجابة والإنتاجية لحلقات الوكيل التي تستدعي النموذج بشكل متكرر.

تشير هذه القدرات إلى مجموعة محددة من الاستخدامات العملية. لأنه يأخذ لقطات الشاشة كمدخلات ومضبوط لبيئات واجهة المستخدم الرسومية، فهو مناسب لأتمتة وسير عمل الوكلاء حيث يحتاج النموذج إلى تفسير ما هو موجود على الشاشة: قراءة صفحة ويب أو نافذة تطبيق، أو متابعة مهمة متعددة الخطوات عبر واجهة سطح مكتب أو هاتف محمول، أو التصرف داخل بيئة لعبة. تساعد نافذة السياق الكبيرة عندما تتطلب مهمة عدة لقطات شاشة أو سجلاً جارياً، ويجعل إدخال الصور من الممكن وصف محتوى الواجهة أو تلخيصه أو الاستدلال عليه بدلاً من النص العادي فقط.

تستدعي النموذج عبر واجهة برمجة التطبيقات المتوافقة مع OpenAI من api14 باستخدام معرّف النموذج bytedance/ui-tars-1.5-7b. معاملات الطلب المدعومة هي frequency_penalty و logit_bias و logprobs و max_tokens و presence_penalty و repetition_penalty و seed و stop و structured_outputs و temperature و top_k و top_logprobs و top_p. بما أن الواجهة متوافقة مع OpenAI، يمكنك توجيه عميل OpenAI موجود إلى api14 والاحتفاظ ببنية طلبك الحالية، مع تعديل معرّف النموذج وأي من المعاملات المذكورة أعلاه حسب الحاجة. معامل seed مفيد للتشغيلات القابلة للتكرار، و structured_outputs يساعد عندما تريد أن يتبع الرد شكلاً ثابتاً، وتمنحك عناصر التحكم في أخذ العينات تأثيراً دقيقاً على مدى حتمية المخرجات أو تنوعها.

الشيء الرئيسي الذي يجب تقييمه هو حد المخرجات. عند 2,048 رمز لكل رد، النموذج مناسب للإجابات الموجزة أو أوصاف الإجراءات أو خطوات الاستدلال القصيرة بدلاً من المستندات المولّدة الطويلة. إذا كانت مهمتك تحتاج إلى مخرجات مكتوبة مطولة، أو إذا لم تكن تتضمن صوراً أو حالة واجهة على الإطلاق، فقد يكون نموذج نصي فقط بحد مخرجات أعلى أكثر ملاءمة. ومع ذلك، ضمن دوره المقصود، فإن UI-TARS 7B خيار مركز للوكلاء المدركين للشاشة، ومزيج إدخال الصور ونافذة السياق البالغة 128,000 رمز والوصول المتوافق مع OpenAI عبر api14 يجعله سهلاً للتجربة في خط أنابيب موجود.