UI-Mate-9B — мультимодальный GUI-агент Tencent для выполнения задач на компьютере по инструкциям и снимкам экрана с выдачей действий мышью и клавиатурой.

Подходит для: выполнение последовательности действий в настольных приложениях · управление интерфейсом по снимкам экрана и текстовой инструкции · автоматизация задач в нескольких приложениях

MAI-UI-8B — модель Tongyi-MAI для понимания экранов и навигации GUI-агентов по мобильным интерфейсам.

Подходит для: поиск элементов управления на скриншоте приложения · навигация GUI-агента по мобильному приложению · выполнение текстовых инструкций через графический интерфейс

ShowUI-2B — дообученная мультимодальная модель для создания агентов, которые понимают графические интерфейсы и выполняют в них задачи по инструкциям.

Подходит для: создание GUI-агента для управления приложениями · выполнение инструкций в графическом интерфейсе компьютера · анализ снимка экрана перед выбором действия

Мультимодальная модель для ответов на вопросы и анализа хирургических видео, включая локализацию действий, суммаризацию и оценку навыков.

Подходит для: локализация хирургических действий во времени · привязка инструментов и действий к областям видеокадра · предсказание следующего шага операции

UIClip сопоставляет скриншоты интерфейсов с текстовыми описаниями, чтобы оценивать качество дизайна и помогать искать улучшения.

Подходит для: оценка качества дизайна по скриншоту интерфейса · проверка соответствия скриншота текстовому описанию · сравнение вариантов сгенерированного интерфейса

Визуально-языковая модель ByteDance для восприятия экранов и автоматизации действий в графических интерфейсах по текстовым инструкциям.

Подходит для: автоматизация действий на веб-страницах · управление элементами интерфейса мобильных приложений · выполнение инструкций в настольных приложениях

UI-TARS-7B-SFT — визуально-языковая модель ByteDance для понимания экранов и автоматизации действий в графических интерфейсах.

Подходит для: поиск кнопок и полей на скриншоте · выполнение пошаговых задач в веб-интерфейсе · управление мобильными приложениями по скриншоту

UI-UG — мультимодальная модель для анализа элементов пользовательских интерфейсов и генерации UI по текстовому описанию.

Подходит для: описание элемента интерфейса по координатам · поиск и локализация кнопок, иконок и других элементов на скриншоте · классификация элементов пользовательского интерфейса

Uyu-2-28B — сокращённая и дообученная на корейских и английских диалогах языковая модель для ролевого общения и генерации текста.

Подходит для: ведение ролевых диалогов на корейском языке · ведение ролевых диалогов на английском языке · генерация ответов персонажа в текстовой беседе

UI2Code^N — мультимодальная модель на базе GLM-4.1V-9B-Base для генерации кода пользовательских интерфейсов по изображениям, их редактирования и визуальной полировки.

Подходит для: создание кода интерфейса по скриншоту · редактирование существующего интерфейса по изображению и текстовым указаниям · визуальная полировка веб-интерфейса

Предварительная модель MindLab Research на базе GLM-5.1 для персонального агентного планирования, вызова инструментов, программирования и генерации интерфейсов.

Подходит для: планирование личных дел с учётом меняющихся условий · поиск мест и координация маршрутов через инструменты · работа с календарём и задачами через агентные API

Агентная модель MindLab Research на базе GLM-5.3 для диалогов, работы с инструментами, программирования и генерации интерфейсов.

Подходит для: ведение открытых диалогов с пользователем · выбор и выполнение действий с инструментами в бизнес-процессах · многошаговое исправление ошибок и изменение кода

UI-Voyager — дообученный мультимодальный агент, который воспринимает мобильный интерфейс и выполняет задачи на Android.

Подходит для: автономное выполнение задач в Android-приложениях · распознавание элементов мобильного интерфейса по скриншотам · понимание назначения кнопок и других элементов экрана

Aria-UI — мультимодальная модель для понимания инструкций и взаимодействия с графическими интерфейсами в составе GUI-агентов.

Подходит для: привязка текстовой инструкции к элементам интерфейса на скриншоте · выполнение задач в приложениях Android с GUI-агентом · управление веб-интерфейсом по текстовым инструкциям

Текстовая модель MindLab Research на базе Qwen3.6-35B-A3B для персональных агентов, вызова инструментов, программирования и генерации интерфейсов.

Подходит для: создание персонального ИИ-агента с вызовом инструментов · написание и редактирование кода в репозитории · ответы в диалоговом помощнике

UIClip сопоставляет скриншоты пользовательских интерфейсов с английскими описаниями для оценки их визуального качества и релевантности.

Подходит для: Оценка соответствия скриншота интерфейса текстовому описанию · Сравнение и ранжирование вариантов веб-дизайна · Поиск скриншотов интерфейсов по текстовому запросу

Модель MindLab Research на базе GLM-5.2 для диалогов, агентных задач с инструментами, программирования и генерации интерфейсов.

Подходит для: диалоги с персональным ИИ-помощником · выполнение задач агента с использованием инструментов · написание и изменение программного кода

Производная модели UII-AI/uAI-NEXUS-MedVLM-1.0a-7B-RL. Мультимодальная модель для ответов на вопросы и анализа хирургических видео, включая локализацию действий, суммаризацию и оценку навыков.

Подходит для: локализация хирургических действий во времени · привязка инструментов и действий к областям видеокадра · предсказание следующего шага операции

Визуально-языковая модель на базе UI-TARS для понимания графических интерфейсов и выполнения задач GUI по инструкциям.

Подходит для: ответы на вопросы о содержимом скриншота · выполнение текстовых инструкций в графическом интерфейсе · автоматизация задач в приложениях через GUI-агента

Производная модели UII-AI/uAI-NEXUS-MedVLM-1.0a-7B-RL. Мультимодальная модель для ответов на вопросы и анализа хирургических видео, включая локализацию действий, суммаризацию и оценку навыков.

Подходит для: локализация хирургических действий во времени · привязка инструментов и действий к областям видеокадра · предсказание следующего шага операции

13-миллиардная модель семейства Llama для вызова инструментов в агентной системе alpha-UMi и работы с ToolBench.

Подходит для: вызов инструментов в агентных сценариях ToolBench · генерация текстовых запросов к инструментам · использование как компонент много-модельного агента alpha-UMi