革命性升级！UI-TARS-desktop 0.1.0携1.5模型实现自然语言操控电脑

还在为繁琐的电脑操作烦恼？2025年4月17日发布的UI-TARS-desktop 0.1.0版本带来了颠覆性体验！全新重设计的Agent UI、强大的浏览器操作功能，配合先进的UI-TARS-1.5模型，让你用自然语言就能轻松掌控电脑。本文将从安装到进阶功能，全方位评测这个跨时代的GUI Agent应用。

版本核心亮点

UI-TARS-desktop 0.1.0版本最引人注目的更新莫过于集成了UI-TARS-1.5模型。根据README.md介绍，该模型在性能和精确控制方面实现了显著提升，同时带来了两大核心功能革新：

• 全新Agent UI：采用更直观的交互设计，操作流程优化30%
• 浏览器操作功能：支持通过自然语言控制Chrome、Edge和Firefox浏览器完成复杂网页操作

安装与配置指南

系统要求

使用前请确保已安装以下浏览器之一：

• Chrome（稳定版/测试版/开发版/金丝雀版）
• Edge（稳定版/测试版/开发版/金丝雀版）
• Firefox（稳定版/测试版/开发版/夜间版）

注意：目前UI-TARS-desktop仅支持单显示器设置，多显示器配置可能导致部分任务失败

下载与安装

macOS平台

1. 从最新发布页面下载安装包
2. 将UI TARS应用拖入应用程序文件夹

3. 启用必要权限：
   • 系统设置 → 隐私与安全性 → 辅助功能
   • 系统设置 → 隐私与安全性 → 屏幕录制

4. 打开应用即可看到全新界面

Windows平台

Windows用户可直接运行安装程序，完成后将显示如下界面：

高级用户可通过Homebrew安装：brew install --cask ui-tars

UI-TARS-1.5模型配置

Hugging Face部署

1. 在Hugging Face上部署UI-TARS-1.5-7B模型

2. 在应用设置中配置：

Language: en
VLM Provider: Hugging Face for UI-TARS-1.5
VLM Base URL: https://your-endpoint/v1/
VLM API KEY: your_api_key
VLM Model Name: UI-TARS-1.5-7B

火山引擎部署

国内用户推荐使用火山引擎的Doubao-1.5-UI-TARS模型：

1. 获取API密钥和基础URL

2. 在设置中配置：

Language: cn
VLM Provider: VolcEngine Ark for Doubao-1.5-UI-TARS
VLM Base URL: https://ark.cn-beijing.volces.com/api/v3
VLM API KEY: YOUR_API_KEY
VLM Model Name: doubao-1.5-ui-tars-250328

实战体验：自然语言操控电脑

配置完成后，点击"开始新对话"按钮即可体验自然语言控制电脑的魅力：

基础操作示例

输入自然语言命令即可执行相应操作，例如：

• "打开Chrome浏览器并访问GitHub"
• "在当前页面搜索UI-TARS相关项目"
• "将搜索结果保存为PDF文件"

浏览器操作演示

UI-TARS-1.5模型特别增强了浏览器控制能力，支持：

• 网页元素精确定位与交互
• 表单自动填写
• 页面内容提取与分析
• 多步骤网页操作自动化

高级功能探索

预设场景选择

应用提供多种预设场景，可根据需求快速切换工作模式：

自定义配置

通过设置界面可调整多种参数，优化模型性能：

• 语言偏好设置
• 模型提供商选择
• API端点配置
• 高级交互选项

总结与展望

UI-TARS-desktop 0.1.0版本凭借UI-TARS-1.5模型的强大能力，重新定义了人机交互方式。自然语言操控电脑不再是科幻，而是触手可及的实用工具。无论是日常办公还是复杂任务自动化，都能显著提升效率。

未来，我们期待看到更多第三方插件和自定义预设的出现，进一步扩展UI-TARS-desktop的应用场景。立即下载体验，开启你的自然语言操控之旅！

完整文档请参考：官方文档 代码仓库：UI-TARS-desktop