MAI-UI-8B

מה זה

הארכיטקטורה כאן נשענת על בסיס של Qwen3-VL ומכוונת ישירות למשימות שליטה במערכות הפעלה, במחשב ובמכשירים ניידים. במקום להסתפק בהבנת תמונות כללית, הוא עבר אימון ייעודי למיפוי מסכים וחיבור לפעולות בממשק, יחד עם שילוב של אינטראקציה מול משתמש וקריאות MCP.

בבדיקות הביצועים שלו הוא השיג 73.5 אחוזים בבנצ'מרק ScreenSpot-Pro ו־76.7 אחוזים ב־AndroidWorld, נתונים שמעמידים אותו במקום תחרותי מאוד מול מודלים גדולים ומוכרים. הרעיון הוא לתת מענה שמסוגל לזהות במדויק איפה ללחוץ ואיך לתפעל יישומים שונים בלי להישבר מכל שינוי קטן בתצוגה.

מתאים ל

• אוטומציה לאפליקציות אנדרואיד

  מציג 76.7 אחוזים בבנצ'מרק AndroidWorld ומסוגל להפעיל תהליכי שימוש מורכבים במובייל.

• זיהוי אלמנטים על מסכים

  מתאים ללחיצה מדויקת על כפתורים ותפריטים עם ציון של 73.5 אחוזים ב־ScreenSpot-Pro.

• הפעלת כלי MCP מסביבת UI

  כולל תמיכה מובנית בחיבור בין קריאה לפונקציות חיצוניות לבין המתרחש על המסך.

איפה זה נופל

למרות ההישגים במובייל, בבדיקת UI-Vision הוא מגיע רק ל־49.2 אחוזים, וב־MobileWorld ל־41.7 אחוזים בלבד. המשמעות היא שבמשימות ניווט מורכבות יותר בעולם האמיתי, הוא עדיין נכשל ביותר ממחצית מהמקרים. המפתחים מודים במפורש בקושי ובשבריריות שיש לסוכנים בסביבות דינמיות, ולכן חובה לבדוק היטב את אחוזי ההצלחה אצלכם לפני שמפקידים בידיו תהליכים קריטיים.

אותה משפחה

MAI-UI יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

איך מריצים

המשקל הכולל של הקבצים עומד על 16.3 גיגה בייט, כך שצריך כרטיס מסך שמסוגל להחזיק את הנפח הזה בזיכרון לצד הקשר הריצה, במיוחד אם מנצלים חלון הקשר עמוק. ההרצה מתבצעת ישירות דרך שרת ה־API של vLLM, שמאפשר להרים שירות תואם OpenAI עם פקודה פשוטה והגדרה של כרטיס בודד.

היוצרים מציינים ארכיטקטורה של שיתוף פעולה בין המכשיר לענן, שמנתבת משימות לפי הרגישות ומצב הביצוע. אם המערכת שלכם לא מחזיקה מאיץ גרפי ייעודי, עדיף להריץ את השרת על שרת מרוחק או לפנות לגרסאות הגדולות יותר כמו 32B או 235B.

from transformers import pipeline

pipe = pipeline("image-text-to-text", model="Tongyi-MAI/MAI-UI-8B")
print(pipe("שלום"))

הקבצים

18 קבצים במאגר, 16.3 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• model-00003-of-00004.safetensors5.0 GB
• model-00002-of-00004.safetensors5.0 GB
• model-00001-of-00004.safetensors4.7 GB
• model-00004-of-00004.safetensors2.9 GB
• tokenizer.json11.4 MB
• vocab.json2.8 MB
• merges.txt1.7 MB
• model.safetensors.index.json64.8 KB
• tokenizer_config.json5.4 KB
• chat_template.jinja5.3 KB
• README.md4.5 KB
• config.json1.6 KB
• .gitattributes1.6 KB
• video_preprocessor_config.json817 B
• preprocessor_config.json782 B
• added_tokens.json707 B
• special_tokens_map.json613 B
• generation_config.json169 B

הרישיון

הפרויקט מופץ תחת רישיון apache-2.0. זהו רישיון קוד פתוח מתירני שמאפשר שימוש מסחרי מלא, שינוי של הקוד והפצה פנימית או חיצונית בתוך מוצר, ללא תשלום תמלוגים ובכפוף לשמירה על הודעות זכויות היוצרים.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗