UI-TARS 7B
UI-TARS-1.5 是字节跳动开发的多模态视觉语言智能体，专为 GUI 类环境优化，覆盖桌面界面、网页浏览器、移动系统及游戏等场景。该模型基于 UI-TARS 框架打造，结合强化学习技术，可理解并处理图形用户界面相关的复杂任务，为用户提供适配多端界面的智能交互支持。
上下文 128K结构化输出能看图
适合做什么
根据公开评测与能力标签，一句话帮你判断用途
整体来看，还能看图一起分析。
实力怎么样
Artificial Analysis 公开指数，分数越高越好，大约按 0–100 理解
这款模型还没有公开智能指数，评测榜暂时排不上。
去评测榜看其它模型大概要花多少钱
按每百万 tokens 计价（约等于几十万到上百万汉字量级）
读入内容
$0.100/M
你把资料/问题喂给模型的费用
写出回答
$0.200/M
模型生成回复的费用，通常更贵
重复内容缓存
$0.100/M
相同上下文再次命中时更便宜
举个例子：读进约 50 万 tokens、写出约 5 万 tokens，大约花费 $0.06（按公开标价估算）。
能处理什么
输入、输出与常见能力开关
能看懂
图像文本
能产出
文本
还会这些
工具调用JSON / 结构化指定输出格式推理参数可见思考过程