豆包手机：AI技术的突破性实践

3万台首批备货迅速售罄，在二手市场上价格翻番的热门产品“豆包手机”，其技术细节逐渐浮出水面。

事实证明，“豆包手机助手技术预览版”背后，是字节在“系统级GUI Agent”领域布局近两年的重大成果。

在官方演示中，搭载于工程样机nubia M153的它，能代替用户操作手机，跨应用自动化执行任务。

例如，一次性下达多个指令，让它一口气完成在飞书上代为请假、提交差旅申请、预订出差高铁票等复杂任务：

据量子位最新消息，这套图形界面操作能力，正是建立在字节自研的UI-TARS模型基础之上。

开发者对此系列模型应该颇为熟悉。初代一经开源便引发热议，性能优于当时曝光的OpenAI Operator（UI-TARS在Operator正式发布前就已发布）。

“豆包手机”使用的是UI-TARS闭源版本，不仅性能优于其开源版本，还针对Mobile Use进行了大量优化。

换言之，豆包手机助手的核心技术探索方向，其实早已开源。

PS：关键后来正式发布的Operator，还要开200美元一个月的Pro会员才能用……

UI-TARS模型的持续进化与应用

早在今年1月，字节Seed团队与清华联手开源初代UI-TARS，为系统级AI Agent奠定基础。此后，团队便沿着这条路线持续深耕，不断迭代打磨能力。

团队指出，原生Agent需具备感知、动作、推理、记忆四大核心能力。

官方回应权限争议，网友拆解工程设计

豆包手机助手技术预览版发布后迅速爆火，同时也引发了一些争议性讨论。

“全球第一款真正AI手机”

购买“豆包手机”的网友，真实上手实测后纷纷发表评价。体验到底如何？