【免费下载链接】ZeroGUI-AndroidLab-7B项目地址https://ai.gitcode.com/OpenGVLab/ZeroGUI-AndroidLab-7B点击查看免费下载ZeroGUI-AndroidLab-7B 与 UI-TARS 是当前最受关注的两个开源 GUI Agent 模型前者是 OpenGVLab 用零人工成本在线强化学习框架训练出的 Android 专用 GUI Agent 模型后者是字节跳动发布的通用型 GUI Agent 模型家族。本文从技术路线、基准表现、部署成本、适用场景四个维度横向对比帮你在选型时一步到位。 结论先行30秒看完怎么选选 ZeroGUI-AndroidLab-7B你要在 AndroidLab 上评测、做 Android 真机任务自动化或研究在线强化学习训练范式。选 UI-TARS你需要跨 Web、桌面、移动端的通用 GUI 自动化或想要更大的 72B 规格与更成熟的工具生态。两者都是7B 级开源模型Apache-2.0 协议bf16 下约需 16GB 显存单卡即可跑。一、两个模型一句话认识UI-TARS通用型 GUI Agent 模型家族字节跳动 Seed 团队发布的 GUI Agent 模型系列7B 版本基于 Qwen2-VL 架构构建支持 Web、Android、桌面等多平台的界面理解与操作。系列包含 7B、7B-DPO、72B 及更新的 1.5 版本训练范式是经典的大规模数据 SFT DPO 偏好对齐主打通用 GUI 理解与操作能力。ZeroGUI-AndroidLab-7B在线强化学习炼出的 Android 专用模型OpenGVLab 发布基础模型直接就是UI-TARS-7B-DPO见 README.md 中的base_model元信息再用ZeroGUI在线强化学习框架进一步训练。该框架的三大能力见 README.md能力说明 Automatic Task Generation自动生成大量多样、可执行的 GUI 任务无需人工出题 Automatic Reward Estimation基于轨迹截图自动判定成败投票机制防止幻觉式成功 Two-Stage Online RL生成任务训练 测试时自适应两阶段持续自我提升本仓库的检查点即为专门针对AndroidLab高保真 Android 设备评测环境优化的版本架构参数可在 config.json 中确认qwen2_vl模型、28 层、hidden_size 3584。 注意两者的血缘关系ZeroGUI-AndroidLab-7B 脱胎于 UI-TARS-7B-DPO所以它更像是 UI-TARS 在 Android 场景下的一次强化升级而非完全独立的路线。二、核心差异对比表 对比维度UI-TARS7B / 7B-DPOZeroGUI-AndroidLab-7B开发方字节跳动 SeedOpenGVLab定位通用 GUI AgentWeb 移动 桌面Android 专用 GUI Agent基础架构Qwen2-VLQwen2-VL基于 UI-TARS-7B-DPO训练范式SFT DPO离线、数据驱动在线强化学习零人工成本模型规模7B7Bbf16 约 15.4GB4 个分片推理显存bf16约 16GB约 16GB加载框架transformerstransformers≥ 4.47代表基准OS-World、AndroidWorld、ScreenSpot 等AndroidLab生态桌面端工具、移动端 App、多规格模型ZeroGUI 开源训练框架 学术论文权重文件索引见 model.safetensors.index.json总大小约 16.5GB含索引由 4 个model-0000X-of-00004.safetensors分片组成。三、技术路线详解为什么零人工成本很关键GUI Agent 训练长期被两件事卡住任务要人工设计、奖励要人工标注数据成本高、上限低。UI-TARS 走的是数据路线靠大规模 SFT DPO 把教得好做到极致能力上限取决于标注数据的规模与质量。ZeroGUI 走的是学习路线让 Agent 自己与环境交互产生轨迹自动生成任务、自动判定奖励全程无人参与且可以通过测试时自适应在新环境中继续变强。这正是 README.md 中 zero human cost 的含义——模型能力不再被人工数据量锁死。四、基准表现各自的主场AndroidLabAndroid 场景ZeroGUI 论文ZeroGUI: Automating Online GUI Learning at Zero Human Cost报告 ZeroGUI-7B 在该基准上显著超过其底座 UI-TARS-7B-DPO验证了在线强化学习带来的提升。本仓库检查点即面向该场景。通用 GUI 基准Web / 桌面UI-TARS 家族尤其 72B 与 1.5 版本公开结果更全面、泛化面更广是通用任务更稳妥的选择。一句话Android 主场 ZeroGUI-AndroidLab-7B 更猛跨平台通用任务 UI-TARS 更均衡。五、部署成本两个都是7B 好上手 两者同为 7B、同为 Qwen2-VL 架构部署体验基本一致bf16 权重约 15.4GB推荐 24GB 显存卡显存不足可用 4/8-bit 量化。图像预处理沿用 Qwen2-VL 规范max_pixels/min_pixels等参数见 preprocessor_config.json。运行环境建议transformers 4.47config.json 中记录的版本。获取模型仓库git clone https://gitcode.com/OpenGVLab/ZeroGUI-AndroidLab-7B最简加载示例与 UI-TARS 加载方式一致from transformers import AutoModelForVision2Seq, AutoProcessor model AutoModelForVision2Seq.from_pretrained( OpenGVLab/ZeroGUI-AndroidLab-7B, torch_dtypebfloat16 ) processor AutoProcessor.from_pretrained(OpenGVLab/ZeroGUI-AndroidLab-7B)六、按场景对号入座 ✅你的场景推荐选择AndroidLab 评测 / 论文复现ZeroGUI-AndroidLab-7B研究在线 RL、奖励建模、Agent 训练框架ZeroGUI企业级通用 GUI 自动化Web 表单、桌面软件UI-TARS追求更高准确率可上大模型UI-TARS-72B单卡轻量部署两者均可都是 7B看重长期维护与工具生态UI-TARS七、常见问题 ❓Q两个模型能一起用吗可以。ZeroGUI-AndroidLab-7B 的底座就是 UI-TARS-7B-DPO完全可以先用 UI-TARS 做通用评测再用 ZeroGUI 框架在目标环境中继续强化训练。Q消费级显卡能跑吗bf16 下约需 16GB 显存24GB 单卡最稳妥用 4/8-bit 量化后可在 12GB 级显卡上运行。Q支持中文指令吗两者都基于 Qwen2-VL 分词器词表见 vocab.json 与 added_tokens.json天然支持中文指令输入。八、总结 UI-TARS通用型 GUI Agent 的标杆数据驱动、生态成熟、跨平台均衡是什么都能干的选择。ZeroGUI-AndroidLab-7B用在线强化学习证明 GUI Agent 可以零人工成本自我进化在 Android 场景下对底座有明显加成是 Android 评测与研究的首选。如果只记一句话做 Android 选 ZeroGUI-AndroidLab-7B做跨平台通用 GUI 自动化选 UI-TARS。赞分享【免费下载链接】ZeroGUI-AndroidLab-7B项目地址https://ai.gitcode.com/OpenGVLab/ZeroGUI-AndroidLab-7B点击查看免费下载相关推荐什么是ZeroGUI-AndroidLab-7B一文读懂GUI Agent与零成本在线强化学习什么是ZeroGUI AndroidLab 7B一文读懂GUI Agent与零成本在线强化学习 ZeroGUI AndroidLab 7B 是 OpenGVL6 步上手 OBS Studio免费开源直播录屏从零到开播完整指南6 步上手 OBS Studio免费开源直播录屏从零到开播完整指南 录屏和推流多数商业软件要么按年收费要么把画质锁在付费档里。OBS Studio 是一款ZeroGUI-AndroidLab-7B性能解析AndroidLab等GUI基准上到底有多强ZeroGUI AndroidLab 7B性能解析AndroidLab等GUI基准上到底有多强 ZeroGUI AndroidLab 7B 是 Ope上一篇3分钟拯救杂乱桌面NoFences免费开源桌面围栏终极指南下一篇10分钟重构LayerDivider如何将复杂图像转化为结构化PSD图层创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
