El informe técnico de UI-TARS-2 presenta un modelo de agente nativo centrado en la GUI que aborda desafíos en escalabilidad de datos, aprendizaje por refuerzo multironda y estabilidad del entorno mediante una metodología de entrenamiento sistemática. Este enfoque incluye una rueda de datos para generación escalable de datos, un marco de RL multironda estabilizado, un entorno híbrido de GUI que integra sistemas de archivos y terminales, y una plataforma sandbox unificada.
- En benchmarks de GUI, UI-TARS-2 alcanza 88.2 en Online-Mind2Web, 47.5 en OSWorld, 50.6 en WindowsAgentArena y 73.3 en AndroidWorld, superando a bases sólidas como agentes Claude y OpenAI.
- En entornos de juego, alcanza una puntuación normalizada media de 59.8 en un conjunto de 15 juegos, alcanzando aproximadamente el 60% del rendimiento humano y manteniéndose competitivo con modelos propietarios de vanguardia como OpenAI o3 en LMGame-Bench.
- El modelo demuestra robustez al generalizar a tareas de búsqueda de información a largo plazo y benchmarks de ingeniería de software.
Estos resultados subrayan el potencial de UI-TARS-2 para avanzar el estado de los agentes GUI y exhibir una fuerte generalización a escenarios interactivos del mundo real.