UI-TARS: Нативный ИИ-агент для работы с интерфейсами Он превосходит GPT-4o и Claude, используя только скриншоты — без API или текстовых меток! Чем уникален: ▫️ Видит как человек 🌟 Распознаёт элементы интерфейса, их состояние и связи через 50+ млрд токенов данных 🌟 Точно определяет координаты кнопок, полей и меню ▫️ Думает системно 🌟 Использует двухэтапное мышление (System-2): анализ → действие 🌟 Автоматически исправляет ошибки через DPO-обучение ▫️ Работает на любых платформах 🌟 Единый алгоритм для Windows, Android, веб-интерфейсов 🌟 Клики, скроллы, ввод текста — как живой пользователь Почему это прорыв? 🌟 На 27% точнее GPT-4o в тестах OSWorld/AndroidWorld 🌟 Сквозная архитектура: от скриншота → к действию без посредников 🌟 Самообучается на виртуальных машинах, улучшаясь с каждой ошибкой ⛓ Подробнее: github @gen_i_i #полезное