Puis-je exécuter UI-TARS-1.5 7B localement ?

Oui — les poids sont ouverts sous licence Apache 2.0 et hébergés sur Hugging Face, vous pouvez donc les télécharger et les exécuter sur votre propre matériel. ByteDance publie aussi un wrapper d’application de bureau sur GitHub pour faciliter l’usage local de l’agent.

Quel est le coût via API et quelle est la taille de la fenêtre de contexte ?

Le tarif est de 0,10 $ par million de tokens en entrée et 0,20 $ par million de tokens en sortie, avec une fenêtre de contexte de 128 000 tokens.

En quoi UI-TARS-1.5 7B diffère-t-il des modèles UI-TARS originaux ?

La version 1.5 ajoute un raisonnement basé sur l’apprentissage par renforcement, permettant au modèle de décomposer les tâches et de planifier les actions avant de les exécuter ; ByteDance rapporte qu’il surpasse les checkpoints 7B et 72B antérieurs sur les tâches de benchmark.

UI TARS 7B

1351°

#llm #bytedance #vision #agents #local #budget

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

ByteDance | contexte de 128 000 tokens | 0,10 $/M en entrée, 0,20 $/M en sortie. UI-TARS-1.5 est un agent multimodal vision-langage optimisé pour les environnements basés sur GUI, incluant interfaces de bureau, navigateurs web, systèmes mobiles et jeux. Construit par ByteDance, il s’appuie sur le cadre UI-TARS avec un raisonnement basé sur l’apprentissage par renforcement, permettant une planification et exécution d’actions robustes à travers des interfaces virtuelles. Ce modèle atteint des résultats de pointe sur plusieurs benchmarks interactifs et de grounding, incluant OSworld, WebVoyager,…ByteDance | contexte de 128 000 tokens | 0,10 $/M en entrée, 0,20 $/M en sortie. UI-TARS-1.5 est un agent multimodal vision-langage optimisé pour les environnements basés sur GUI, incluant interfaces de bureau, navigateurs web, systèmes mobiles et jeux. Construit par ByteDance, il s’appuie sur le cadre UI-TARS avec un raisonnement basé sur l’apprentissage par renforcement, permettant une planification et exécution d’actions robustes à travers des interfaces virtuelles. Ce modèle atteint des résultats de pointe sur plusieurs benchmarks interactifs et de grounding, incluant OSworld, WebVoyager, AndroidWorld et ScreenSpot. Il démontre aussi une complétion parfaite des tâches sur divers jeux Poki et surpasse les modèles précédents dans les tâches d’agents Minecraft. UI-TARS-1.5 supporte la décomposition de la pensée lors de l’inférence et montre une forte montée en puissance à travers ses variantes, la version 1.5 dépassant notablement les performances des checkpoints 72B et 7B antérieurs.

Guides pour ce modèle

Ollama vs LM Studio (2026) : quelle application d’IA locale choisir, et quels modèles top chacun fait tourner

De combien de VRAM ai-je vraiment besoin pour l'IA locale ?

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

UI-TARS-1.5 7B est un agent multimodal à poids ouverts de ByteDance conçu pour manipuler des interfaces graphiques : applications de bureau, navigateurs, écrans mobiles et jeux. Son raisonnement basé sur l’apprentissage par renforcement lui permet de planifier et d’exécuter des actions en plusieurs étapes plutôt que de simplement décrire ce qu’il voit. Avec ses 7 milliards de paramètres, il surpasse largement son poids, dépassant les anciens checkpoints 72B sur plusieurs benchmarks GUI.

Connu pour

Meilleurs scores sur les benchmarks OSworld, AndroidWorld et ScreenSpot grounding
Opère de manière autonome sur interfaces de bureau, navigateur, mobile et jeux
Réfléchit aux étapes avant d’agir, grâce à un raisonnement entraîné par RL
Licence Apache 2.0 — exécutez-le localement, modifiez-le, déployez-le commercialement
La taille 7B surpasse le modèle 72B antérieur du même fabricant sur des tâches clés

Attention à

Principalement en anglais ; le support multilingue des GUI n’est pas documenté par ByteDance.
L’exécution locale en tant qu’agent nécessite plus de configuration qu’un modèle de chat — un environnement GUI est requis.
Le contexte est de 128k tokens, mais les tâches agent qui bouclent sur de nombreuses captures d’écran peuvent le consommer rapidement.

Idéal pour

Agents et utilisation d'outils

Vision

Fonctionne localement

Budget

Prompts à essayer

Automatisation de tâche navigateur

Vous contrôlez un navigateur web. Allez sur Wikipedia, cherchez « reinforcement learning », trouvez la section sur les applications, et retournez la première phrase de cette section. Décrivez chaque clic et frappe au clavier, puis donnez-moi la réponse finale.

Ancrage d’élément à l’écran

Je joins une capture d’écran d’une application de bureau. Identifiez les coordonnées exactes en pixels du bouton d’action principal, expliquez comment vous l’avez localisé, et décrivez l’action suivante que vous prendriez pour compléter une opération d’enregistrement de fichier.

Tâche mobile en plusieurs étapes

Vous utilisez un téléphone Android. Depuis l’écran d’accueil, ouvrez l’application Paramètres, allez dans Wi-Fi, et désactivez-le. Listez chaque tapotement ou balayage en étapes numérotées, et signalez tout point où l’interface pourrait demander une confirmation.

Comparer avec

GPT-5.6 Luna
Modèle uniquement API
Contexte de 1,050,000 tokens · entrée $0.20/M, sortie $1.20/M
Muse Spark 1.3 Contributor
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.10/M, sortie $0.20/M
Claude Haiku 5.5
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $0.10/M, sortie $0.50/M
Gemini 2.5 Flash Lite
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.10/M, sortie $0.40/M

Plus de modèles de texte de bytedance

Questions fréquentes

Puis-je exécuter UI-TARS-1.5 7B localement ?: Oui — les poids sont ouverts sous licence Apache 2.0 et hébergés sur Hugging Face, vous pouvez donc les télécharger et les exécuter sur votre propre matériel. ByteDance publie aussi un wrapper d’application de bureau sur GitHub pour faciliter l’usage local de l’agent.
Quel est le coût via API et quelle est la taille de la fenêtre de contexte ?: Le tarif est de 0,10 $ par million de tokens en entrée et 0,20 $ par million de tokens en sortie, avec une fenêtre de contexte de 128 000 tokens.
En quoi UI-TARS-1.5 7B diffère-t-il des modèles UI-TARS originaux ?: La version 1.5 ajoute un raisonnement basé sur l’apprentissage par renforcement, permettant au modèle de décomposer les tâches et de planifier les actions avant de les exécuter ; ByteDance rapporte qu’il surpasse les checkpoints 7B et 72B antérieurs sur les tâches de benchmark.

Verdict du capitaine
Un modèle 7B rare qui mérite sa place dans des pipelines d’agents sérieux — poids ouverts, faible coût, et véritablement compétitif face à des rivaux fermés beaucoup plus grands sur les tâches GUI.

Fiche modèle sur Hugging Face

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Comment ce score se calcule

Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Modèles similaires

Modèles d'IA pour générer image, vidéo et texte

UI TARS 7B est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm bytedance vision agents local budget

Parcourir par famille de modèles