《科创板日报》17日消息，字节跳动旗下豆包大模型团队今日发布并开源了UI-TARS-1.5，这是一款基于视觉-语言模型打造的开源多模态智能体。该模型具备在虚拟环境中高效完成多种任务的能力，尤其在7个GUI图形用户界面评测基准中达到了SOTA（最高性能）。此外，UI-TARS-1.5首次展示了其在游戏中的长时推理能力和开放空间中的交互能力，标志着多模态智能体技术的重要进展。