全面的 GUI 理解：UI-TARS 能解释各种类型的输入，如文本和图像，形成对用户界面的完整理解。
动态交互：模型能够主动观察并实时响应不断变化的 GUI 环境中的变化。
高密度信息处理：有效处理复杂布局和多元素界面，提取精确元数据。
统一的行动空间：跨平台（桌面、移动和网络）的标准化动作定义。
精确定位与互动：通过大规模行动轨迹训练，实现对特定 GUI 元素的精确定位和交互。
平台特定动作：支持热键、长按和平台特定手势等额外动作。
系统 1 和系统 2 推理：结合快速、直觉的响应与深思熟虑的高级规划，用于处理复杂任务。
任务分解与反思：支持多步规划、反思和错误修正，确保任务执行的稳健性。
基于"思考"的决策：在每个行动前生成明确的"思考"过程，将感知和行动与深思熟虑的决策联系起来。
短期记忆：捕获任务特定上下文，增强情境感知能力。
长期记忆：保留历史交互和知识，改进决策过程。
在 OSWorld 基准测试中，UI-TARS-72B 在 50 步中取得了 24.6 的得分，在 15 步中取得了 22.7 的得分，优于 Claude 的 22.0 和 14.9。
在 AndroidWorld 中，UI-TARS 取得了 46.6 的得分，超过了 GPT-4o 的 34.5。
在 VisualWebBench 中，UI-TARS-72B 得分 82.8，高于 GPT-4o 的 78.5。
在 ScreenSpot Pro 上取得了 38.1（SOTA）的成绩。
