ActIO-UI-7B-RLVR 是由 Uniphore 发布的 70 亿参数视觉语言模型，专门用于计算机界面自动化任务。它基于 Qwen2.5-VL-7B-Instruct，通过监督微调和可验证奖励的强化学习进行优化，在 GUI 导航、元素定位和交互规划等任务上表现出色，在 WARC-Bench 基准测试中达到了开源 7B 模型的领先水平。

多模态Transformers英语

Qwen3-32B是Qwen系列最新一代的大语言模型，具备强大的推理、指令遵循、智能体交互和多语言处理能力。它支持100多种语言和方言，能在思维模式和非思维模式间无缝切换，为用户提供自然流畅的对话体验。

自然语言处理Transformers

Gelato-30B-A3B是针对GUI计算机使用任务进行微调的最先进（SOTA）模型，提供了量化版本以优化部署效率。该模型专门设计用于理解和处理图形用户界面相关的任务。

多模态Gguf

Gelato-30B-A3B 是一款用于GUI计算机使用任务的最先进基础模型，在Click-100k数据集上训练，在多个基准测试中超越了之前的专业计算机基础模型和更大的视觉语言模型。

多模态Transformers英语

Qwen2.5-14B-Instruct是基于Qwen2.5架构的多语言大语言模型，拥有140亿参数，支持13种语言，具备优秀的指令跟随和对话能力。该模型在多种语言任务上表现优异，适用于多语言场景的文本生成和理解。

自然语言处理Transformers支持多种语言

GTA1是基于GRPO强化学习训练的GUI接地模型，专门用于图形用户界面自动化操作。相较于依赖冗长思维链推理的方法，GRPO直接激励可操作和有根据的响应，在多个基准测试中表现出卓越的接地性能。

多模态Transformers英语

GTA1是基于强化学习（GRPO）训练的最先进GUI接地模型，专门用于图形用户界面自动化任务。与依赖冗长思维链推理的方法不同，GRPO直接激励可操作和有根据的响应，在多个挑战性数据集上展示了卓越的接地性能和代理性能。

多模态Transformers英语

Qwen2.5-14B-Instruct是一个140亿参数的大语言模型，专为聊天和文本生成场景设计。该模型基于transformers库构建，适用于内部测试和轻量级应用部署。

自然语言处理Transformers英语

InternVL3.5是开源多模态模型家族的新成员，显著提升了InternVL系列的通用性、推理能力和推理效率，支持GUI交互等新功能，达到开源多模态大语言模型的先进水平。

多模态Transformers其他

InternVL3.5-14B是InternVL系列的开源多模态模型，显著提升了通用性、推理能力和推理效率，支持GUI交互等新功能，缩小了与商业模型的性能差距。

多模态Transformers其他

InternVL3.5-4B是开源多模态模型系列中的中等规模版本，在通用性、推理能力和推理效率上取得显著进展，支持GUI交互等新能力。该模型采用级联强化学习框架和视觉分辨率路由器技术，实现了高效的多模态理解与推理。

多模态Transformers其他

InternVL3.5-1B是InternVL系列的开源多模态模型，参数量为1.1B，包含0.3B视觉参数和0.8B语言参数。该模型显著提升了通用性、推理能力和推理效率，支持GUI交互等新功能。

多模态Transformers其他

GTA1是基于强化学习（GRPO）训练的最先进GUI定位模型，通过直接激励可操作响应而非冗长推理，实现精准界面元素定位。

多模态Transformers

GTA1是一个基于强化学习（GRPO）的GUI定位模型，通过直接奖励成功点击来实现精准定位，避免冗长的思维链推理。

多模态Transformers

GUI-Actor-2B是基于Qwen2-VL-2B的视觉语言模型，专为图形用户界面(GUI)定位任务设计，通过增加基于注意力的动作头并进行微调，在多个GUI定位基准测试中表现良好。

多模态Transformers

GUI-Actor-7B是基于Qwen2-VL-7B-Instruct开发的视觉语言模型，专注于图形用户界面(GUI)代理任务，提供无坐标的视觉接地解决方案。

多模态Transformers

基于Transformer架构的图像文本到文本生成模型，专为计算机/GUI相关场景设计，具备智能代理能力。

多模态Gguf英语

InternVL3-78B-Instruct是一个先进的多模态大语言模型，在多模态感知、推理和语言处理等方面表现出色。该模型通过原生多模态预训练方法，将视觉和语言学习整合到统一训练阶段，在工具使用、GUI代理、工业图像分析、3D视觉感知等多个领域展现出卓越能力。

多模态Transformers其他

InternVL3-14B-Instruct 是一个先进的多模态大语言模型（MLLM），展示了卓越的多模态感知和推理能力，支持工具使用、GUI代理、工业图像分析、3D视觉感知等多种任务。

多模态Transformersmultilingual

InternVL3-2B-Instruct是先进的多模态大语言模型，相比前代有更出色的多模态感知和推理能力，扩展了工具使用、GUI代理、工业图像分析、3D视觉感知等方面。采用原生多模态预训练方法，将语言和视觉学习整合到单个预训练阶段。

多模态Transformers其他