跳到正文

Aria-UI

用纯视觉模型定位 GUI 指令

访问官网

Aria-UI 是什么

该模型是专为 GUI 指令视觉定位设计的大规模多模态模型。

你可以用它做什么

  • 理解多种格式的定位指令
  • 利用历史输入做上下文感知定位
  • 适配不同的规划代理

优点与缺点

✓ 我们认可的地方

  • 可处理多种格式的指令
  • 利用历史输入做定位

! 需要留意的地方

  • 方法只依赖视觉输入
  • 本地使用需要数据集与检查点

常见问题

使用什么输入?

纯视觉方法。

模型规模如何?

每 token 激活 3.9B 参数。

最后评测: 2026-11-15

更多 AI 设计工具 工具

查看全部 →

评测方法