ByteDance: UI-TARS 7B

UI-TARS 7B, ByteDance tarafından 22 Temmuz 2025 tarihinde bytedance/ui-tars-1.5-7b model id'si ile yayımlanan çok modlu bir modeldir. GUI tabanlı ortamlar için oluşturulmuş bir görüntü-dil ajanları serisi olan UI-TARS 1.5 ailesine aittir. ByteDance onu masaüstü arayüzleri, web tarayıcıları, mobil sistemler ve oyunlar için optimize edilmiş olarak tanımlar, bu nedenle genel amaçlı bir sohbet modeli yerine ekranlarla etkileşim etrafında tasarlanmış bir model olarak anlaşılması en doğrusudur. Bilgi kesim tarihi 31 Ocak 2025'tir.

Model girdi olarak görüntü ve metin kabul eder ve çıktı olarak metin döndürür, bu da bir talimatın yanı sıra bir ekran görüntüsüne veya arayüz yakalamasına bakıp metinsel bir yanıt üretebileceği anlamına gelir. Bağlam penceresi 128.000 token'dır, bu uzun etkileşim geçmişlerini veya ayrıntılı arayüz durumunu talimatlarla birlikte tutacak kadar büyüktür ve yanıt başına maksimum çıktısı 2.048 token'dır. 7B parametreli bir model olarak bir görüntü-dil ajanı için görece küçüktür, bu da modeli tekrar tekrar çağıran ajan döngüleri için gecikme ve verim planlarken önem taşır.

Bu yetenekler belirli bir pratik kullanım kümesine işaret eder. Girdi olarak ekran görüntüleri aldığı ve GUI ortamları için ayarlandığı için, modelin ekranda ne olduğunu yorumlaması gereken otomasyon ve ajan iş akışlarına uyar: bir web sayfasını veya uygulama penceresini okumak, bir masaüstü veya mobil arayüzde çok adımlı bir görevi izlemek ya da bir oyun ortamı içinde hareket etmek. Büyük bağlam penceresi, bir görev birkaç ekran görüntüsü veya sürekli bir geçmiş gerektirdiğinde yardımcı olur ve görüntü girdisi, yalnızca düz metin yerine arayüz içeriğini tanımlamayı, özetlemeyi veya hakkında akıl yürütmeyi mümkün kılar.

Modeli api14'ün OpenAI uyumlu API'si üzerinden bytedance/ui-tars-1.5-7b model id'sini kullanarak çağırırsınız. Desteklenen istek parametreleri frequency_penalty, logit_bias, logprobs, max_tokens, presence_penalty, repetition_penalty, seed, stop, structured_outputs, temperature, top_k, top_logprobs ve top_p'dir. Arayüz OpenAI uyumlu olduğu için mevcut bir OpenAI istemcisini api14'e yönlendirebilir ve mevcut istek yapınızı koruyabilir, gerektiği gibi model id'sini ve yukarıdaki parametrelerden herhangi birini ayarlayabilirsiniz. seed parametresi yeniden üretilebilir çalıştırmalar için kullanışlıdır, structured_outputs yanıtın sabit bir biçimi izlemesini istediğinizde yardımcı olur ve örnekleme kontrolleri çıktının ne kadar deterministik veya çeşitli olacağı üzerinde ince ayarlı etki sağlar.

Tartmanız gereken ana şey çıktı sınırıdır. Yanıt başına 2.048 token ile model, uzun üretilmiş belgeler yerine kısa yanıtlar, eylem açıklamaları veya kısa akıl yürütme adımları için uygundur. Göreviniz uzun bir yazılı çıktı gerektiriyorsa veya hiç görüntü ya da arayüz durumu içermiyorsa, daha yüksek bir çıktı tavanına sahip yalnızca metin bir model daha iyi uyabilir. Ancak amaçlanan rolü içinde UI-TARS 7B, ekran farkındalıklı ajanlar için odaklanmış bir seçenektir ve görüntü girdisi, 128.000 token bağlam penceresi ve api14 üzerinden OpenAI uyumlu erişim kombinasyonu, mevcut bir işlem hattında denenmesini kolaylaştırır.