标题：字节Seed推出全新智能体UI-TARS-2，一个模型搞定多平台操作

正文：
字节Seed团队发布了最新智能体UI-TARS-2，能够自主操作手机、电脑和浏览器，完成复杂任务。例如，它仅用35秒就编写了一个重量单位转换函数，并计算出结果为4000克。相比Claude和OpenAI的同类模型，UI-TARS-2表现更优，接近人类水平。

UI-TARS-2的核心亮点在于“多轮强化学习”，解决了智能体操作图形界面（GUI）的四大难题：数据稀缺、环境割裂、能力单一和训练不稳定。其设计框架包括统一的Agent架构、多模态感知与交互、混合操作流，以及支持跨平台操作的沙盒环境。

在数据方面，UI-TARS-2通过“数据飞轮”机制，利用冷启动、多轮迭代和循环增强，逐步优化模型能力。针对强化学习中的奖励稀疏问题，团队设计了明确的任务奖励机制，并采用异步rollout和PPO算法优化，提升模型稳定性。此外，UI-TARS-2融合了GUI操作、终端命令和API调用，突破了单一界面的限制，适配多种场景需求。

测试结果显示，UI-TARS-2在多个权威GUI任务中表现优异，例如OSWorld、WindowsAgentArena等。它还能流畅运行15款小游戏，平均得分达人类水平的60%，部分游戏甚至超越人类。复杂任务如查资料、写代码修bug也得心应手。

论文链接：https://arxiv.org/abs/2509.02544
演示地址：https://seed-tars.com/showcase/ui-tars-2/