Zum Inhalt springen
Alpha
  • Modelle
  • Ranglisten
  • Ori
Vertrieb kontaktieren

Fußzeile

OpenRouterOpenRouter
© 2026 OpenRouter, Inc

Produkt

  • Chat
  • Ranglisten
  • Leistungsvergleiche
  • Apps
  • Entdecken
  • Modelle
  • Ori
  • Sammlungen
  • Anbieter
  • Tools
  • Preise
  • Business
  • Enterprise
  • Labs

Unternehmen

  • Über
  • Blog
  • Kunden
  • Karriere
    Offene Stellen
  • Datenschutz
  • Nutzungsbedingungen
  • Vertrauenszentrum
  • Support
  • Funktioniert mit OR
  • Daten
  • Marke

Entwickler

  • Dokumentation
  • API-Referenz
  • Entwicklerplattform
  • Status
  • KI-Sitemap

Verbinden

  • Discord
  • GitHub
  • LinkedIn
  • X
  • YouTube
Favicon für bytedance

ByteDance: UI-TARS 7B

bytedance/ui-tars-1.5-7b

Modellgewichte
Vergleich

UI-TARS-1.5 is a multimodal vision-language agent optimized for GUI-based environments, including desktop interfaces, web browsers, mobile systems, and games. Built by ByteDance, it builds upon the UI-TARS framework with reinforcement learning-based reasoning, enabling robust action planning and execution across virtual interfaces.

This model achieves state-of-the-art results on a range of interactive and grounding benchmarks, including OSworld, WebVoyager, AndroidWorld, and ScreenSpot. It also demonstrates perfect task completion across diverse Poki games and outperforms prior models in Minecraft agent tasks. UI-TARS-1.5 supports thought decomposition during inference and shows strong scaling across variants, with the 1.5 version notably exceeding the performance of earlier 72B and 7B checkpoints.

Modalitäten
Eingabe- / Ausgabepreis
0,10 $ / 0,20 $pro 1 Mio.
Kontext
128K
Veröffentlicht
22. Juli 2025
Wissensstand
Jan. 2025
Vergleich
AnbieterPreiseLeistungVerfügbarkeitAppsAktivitätFAQEntdecken

Anbieter

Dieses Modell wird von einem einzigen Anbieter gehostet. OpenRouter leitet jede Anfrage direkt an ihn weiter – es sind keine Routing-Entscheidungen erforderlich.

Preise

Der durchschnittliche Preis, den Kunden tatsächlich für dieses Modell zahlen, neben den von Anbietern veröffentlichten Preisen. Durch Caching und Rabatte liegt der tatsächlich gezahlte Preis oft deutlich unter dem Listenpreis.

Leistung

Der Durchsatz gibt an, wie schnell das Modell schreibt (Token pro Sekunde – höher ist besser). Die Latenz ist die gesamte Umlaufzeit (niedriger ist besser). TTFT ist die Zeit bis zum ersten Token – also die Wartezeit, bis etwas angezeigt wird (niedriger ist besser).

Verfügbarkeit

Verfügbarkeit ist der prozentuale Anteil der letzten 3 Tage, in dem mindestens ein Anbieter auf Anfragen reagiert hat. Die Verfügbarkeit der Inferenz ist der prozentuale Anteil der Zeit, in der Inferenz erfolgreich bereitgestellt wurde. OpenRouter überwacht dies kontinuierlich und verwendet den nächstbesten Anbieter, wenn ein Anbieter einen Fehler zurückgibt.

Apps

Öffentliche Apps, die den meisten Datenverkehr an dieses Modell senden. Ein guter Anhaltspunkt dafür, wie echte Produktionsworkloads aussehen – und ein Hinweis darauf, für welche Anwendungsfälle dieses Modell am besten geeignet ist.

Aktivität

Token-Volumen und Anfrageaufkommen für dieses Modell im Zeitverlauf.

API

Direkt einsetzbarer Code zum Aufrufen dieses Modells. Die API von OpenRouter ist OpenAI-kompatibel – bei den meisten SDKs genügt es, die Basis-URL auszutauschen. Zwischen den Modellen ändert sich nur der unten stehende Modell-Slug.

Derzeit nicht über EU-regionales Routing verfügbar. Dokumentation zum regionsinternen Routing

Weitere Modelle entdecken

KI-Modelle mit Bildverarbeitung: Multimodale LLMs für das BildverständnisSammlungKI-ModellranglistenRangliste
Latenz / Durchsatz
0,10 $0,20 $0,10 $1,47s41 tps
99,57 %
Durchsatz
41Token/s

P50, bester Wert über alle Anbieter hinweg

Latenz
1,47s

P50, bester Anbieter

Verfügbarkeit (3 Tage)Das Modell war erreichbar. Die Anfrage wurde an einen Anbieter weitergeleitet.
100,00 %
Verfügbarkeit (3 Tage)Das Modell hat über einen beliebigen Anbieter ein Inferenzergebnis zurückgegeben. Fehler und leere Antworten wirken sich negativ darauf aus.
99,71 %

Verfügbarkeit in den letzten 3 Tagen

Letzte 72 Stunden
Verfügbarkeit 99,71 %
Vor 3 TagenVor 2 TagenGesternJetzt

Verfügbarkeit in den letzten 24 Stunden

OpenRouter Availability
99,41 %

Wenn bei einem vorgelagerten Anbieter ein Fehler auftritt, können wir diesen durch die Weiterleitung an einen anderen funktionsfähigen Anbieter beheben, sofern Ihre Anfragefilter dies zulassen. Sie können programmgesteuert auf die Verfügbarkeitsdaten pro Anbieter zugreifen, und zwar über die Endpunkt-API. Erfahren Sie mehr über unsere Optionen für Lastverteilung und Anbieter-Routing.

1.
Favicon für https://stonicai.com/
Stonic AI
neu
86,9MToken
2.
Favicon für https://minitap.ai/
minitap
neu
22,5MToken
3.
Favicon für https://canitrustthat.com/
citt-np602
neu
4,44MToken
4.
Favicon für https://github.com/simular-ai/simulang-rs
simulang-rs
neu
3,45MToken
5.
Favicon für https://commando.virtuclix.com/
Virtuclix Bot
neu
2,95MToken

Häufig gestellte Fragen

UI-TARS-1.5 is a multimodal vision-language agent optimized for GUI-based environments, including desktop interfaces, web browsers, mobile systems, and games. Built by ByteDance, it builds upon the UI-TARS framework with reinforcement learning-based reasoning, enabling robust action planning and execution across virtual interfaces.

UI-TARS 7B kostet 0,10 $/M Eingabe-Token und 0,20 $/M Ausgabe-Token, mit separaten Tarifen für Cache Read für 0,10 $/M tokens.

UI-TARS 7B hat ein Kontextfenster von 128.000 Token. Es unterstützt bis zu 2.048 Completion-Token.

Nein. UI-TARS 7B akzeptiert tools nicht, daher sind Funktionsaufrufe nicht verfügbar. Es unterstützt auch strukturierte Ausgaben über ein JSON-Schema in response_format.

UI-TARS 7B akzeptiert Bilder und Text als Eingabe und gibt Text zurück.

UI-TARS 7B wurde am 22. Juli 2025 veröffentlicht. Der Wissensstand reicht bis zum 31. Januar 2025.

Weitere Modelle von bytedance

Seedance 2.0 Mini

Seedance 2.0 Mini is a video generation model from ByteDance. It supports text-to-video, image-to-video with first and last frame control, and multimodal reference-to-video with image, video, and audio inputs. It supports 480p and 720p output for 4-15 second videos. The number of tokens is given by (height of output video * width of output video * duration * 24) / 1024

Videofrom 0,03363 $/second
Seedance 2.5

Seedance 2.5 is a video generation model from ByteDance. It is suited for long-form storytelling, multimodal reference-based generation, video editing, and video extension. It supports first-frame and first-and-last-frame control, up to 50 image, video, and audio reference assets, optional generated audio, and multilingual audiovisual generation.

Videofrom 0,1028 $/second
Seedance 2.0 Fast

Seedance 2.0 Fast is a video generation model from ByteDance. It supports text-to-video, image-to-video with first and last frame control, and multimodal reference-to-video. It prioritizes generation speed and lower cost over maximum output quality. The number of tokens is given by (height of output video * width of output video * duration * 24) / 1024

Videofrom 0,04035 $/second
Seedance 2.0

Seedance 2.0 is a video generation model from ByteDance. It supports text-to-video, image-to-video with first and last frame control, and multimodal reference-to-video. It is particularly strong at preserving character consistency, visual style, and camera movement from reference material. The number of tokens is given by (height of output video * width of output video * duration * 24) / 1024

Videofrom 0,06726 $/second
Seedance 1.5 Pro

ByteDance's next-generation audio-visual generation model with a 4.5B parameter Dual-Branch Diffusion Transformer architecture. Seedance 1.5 Pro generates video and audio simultaneously in a single unified pass — eliminating the timing issues of sequential audio dubbing. Supports multi-language lip-sync (English, Mandarin, Japanese, Korean, Spanish, and more), cinematic camera control (pan, tilt, zoom, orbit), multi-character dialogue, and character consistency across shots. Produces clips from 4–12 seconds at up to 1080p. The number of tokens is given by (height of output video * width of output video * duration * 24) / 1024

Videofrom 0,02306 $/second
Seed OSS 36B Instruct

Seed-OSS-36B-Instruct is a 36B-parameter instruction-tuned reasoning language model from ByteDance’s Seed team, released under Apache-2.0. The model is optimized for general instruction following with strong performance in reasoning, mathematics, coding, tool use/agentic workflows, and multilingual tasks, and is intended for international (i18n) use cases. It is not currently possible to control the reasoning effort.

Text131K Kontext