ByteDance: UI-TARS 7B

UI-TARS 7B는 ByteDance의 멀티모달 모델로, 2025년 7월 22일에 모델 id bytedance/ui-tars-1.5-7b로 공개되었습니다. 이 모델은 GUI 기반 환경을 위해 만들어진 비전-언어 에이전트 계열인 UI-TARS 1.5 패밀리에 속합니다. ByteDance는 이 모델이 데스크톱 인터페이스, 웹 브라우저, 모바일 시스템 및 게임에 최적화되어 있다고 설명하므로, 범용 채팅 모델이라기보다 화면과 상호작용하는 데 초점을 맞춘 모델로 이해하는 것이 가장 적절합니다. 지식 컷오프는 2025년 1월 31일입니다.

이 모델은 이미지와 텍스트를 입력으로 받고 텍스트를 출력으로 반환하므로, 스크린샷이나 인터페이스 캡처를 지시문과 함께 보고 텍스트 응답을 생성할 수 있습니다. 컨텍스트 윈도우는 128,000 토큰으로, 긴 상호작용 기록이나 상세한 인터페이스 상태를 지시문과 함께 담기에 충분히 크며, 최대 출력은 응답당 2,048 토큰입니다. 7B 파라미터 모델로서 비전-언어 에이전트치고는 상대적으로 작은 편인데, 이는 모델을 반복적으로 호출하는 에이전트 루프의 지연 시간과 처리량을 계획할 때 중요합니다.

이러한 기능은 구체적인 실용 용도를 가리킵니다. 스크린샷을 입력으로 받고 GUI 환경에 맞게 튜닝되었기 때문에, 모델이 화면에 있는 내용을 해석해야 하는 자동화 및 에이전트 워크플로에 적합합니다. 예를 들어 웹 페이지나 애플리케이션 창을 읽거나, 데스크톱 또는 모바일 인터페이스 전반에서 여러 단계로 이루어진 작업을 수행하거나, 게임 환경 안에서 행동하는 경우입니다. 큰 컨텍스트 윈도우는 작업에 여러 스크린샷이나 실행 중인 기록이 필요할 때 도움이 되며, 이미지 입력 덕분에 단순 텍스트뿐 아니라 인터페이스 콘텐츠를 설명, 요약 또는 추론할 수 있습니다.

이 모델은 모델 id bytedance/ui-tars-1.5-7b를 사용해 api14의 OpenAI 호환 API를 통해 호출합니다. 지원되는 요청 파라미터는 frequency_penalty, logit_bias, logprobs, max_tokens, presence_penalty, repetition_penalty, seed, stop, structured_outputs, temperature, top_k, top_logprobs 및 top_p입니다. 인터페이스가 OpenAI 호환이므로 기존 OpenAI 클라이언트를 api14로 지정하고 현재 요청 구조를 유지한 채 필요에 따라 모델 id와 위 파라미터를 조정할 수 있습니다. seed 파라미터는 재현 가능한 실행에 유용하고, structured_outputs는 응답이 고정된 형태를 따르게 하고 싶을 때 도움이 되며, 샘플링 제어는 출력이 얼마나 결정적이거나 다양한지에 세밀한 영향을 줍니다.

주로 고려해야 할 점은 출력 제한입니다. 응답당 2,048 토큰이므로 이 모델은 긴 생성 문서보다는 간결한 답변, 행동 설명 또는 짧은 추론 단계에 적합합니다. 작업에 긴 글 출력이 필요하거나 이미지나 인터페이스 상태가 전혀 포함되지 않는다면, 출력 상한이 더 높은 텍스트 전용 모델이 더 잘 맞을 수 있습니다. 그러나 의도된 역할 안에서 UI-TARS 7B는 화면 인식 에이전트를 위한 집중적인 선택지이며, 이미지 입력, 128,000 토큰 컨텍스트 윈도우, api14를 통한 OpenAI 호환 접근의 조합 덕분에 기존 파이프라인에서 시험해 보기 쉽습니다.