豆包大模型团队昨日宣布，开源多模态智能体UI-TARS-1.5正式发布。该版本基于视觉-语言模型构建，具备高效执行虚拟世界任务的能力。通过强化学习，UI-TARS-1.5显著提升了高阶推理能力，能够在“行动”前进行“思考”，从而更好地完成复杂任务。

此次更新还提出以游戏为载体增强模型推理能力的新方向。相比数学或编程领域，游戏更依赖直观和常识性推理，成为评估模型通用能力的理想场景。此外，UI-TARS-1.5在视觉感知、系统推理、动作建模及训练范式四个方面实现技术突破，进一步优化了跨平台操作的精准性和适应性。