支持的模型与配置

本文帮助你选择 Midscene 支持的模型、完成首次配置，并验证模型连接。

本页列出的模型配置，本质上都是环境变量。你可以根据使用方式提供这些配置：

使用 Playground 时，在设置页面直接粘贴本页的配置文本。
使用 SDK 或命令行工具时，按照设置环境变量中的说明加载配置。

如需了解模型职责，请阅读模型策略。如需查询完整参数，请阅读模型配置参考。

支持的模型

Midscene 支持使用以下多模态模型操作界面。每份配置都需要 Base URL、API Key、模型名称和 MIDSCENE_MODEL_FAMILY。模型系列（MIDSCENE_MODEL_FAMILY）决定了 Midscene 如何适配所选模型。

豆包 Seed 系列

常用模型供应商：火山引擎

模型版本	常用模型名称	`MIDSCENE_MODEL_FAMILY`	备注
2.x 系列	`Doubao-Seed-2.1-turbo`、`Doubao-Seed-2.0-Lite`	`doubao-seed`	`Doubao-Seed-2.1-turbo` 目前私有测评集中定位速度最快，且定位效果也很好，推荐使用。
1.x 系列	`Doubao-Seed-1.6-Vision`、`Doubao-Seed-1.8`	`doubao-seed`	1.x 系列为豆包的旧版本模型，综合表现已不具竞争力，建议优先使用 2.x 系列。为兼容已有配置，仍支持 `MIDSCENE_MODEL_FAMILY="doubao-vision"`；新配置建议使用 `doubao-seed`。

环境变量配置示例，以 doubao-seed-2.1-turbo 为例：

🎯 用作默认模型

🧠 用作 Planning 模型

🔎 用作 Insight 模型

MIDSCENE_MODEL_BASE_URL="https://ark.cn-beijing.volces.com/api/v3" # 火山引擎地址
MIDSCENE_MODEL_API_KEY="...."
MIDSCENE_MODEL_NAME="doubao-seed-2-1-turbo-260628"
MIDSCENE_MODEL_FAMILY="doubao-seed"

MIDSCENE_PLANNING_MODEL_BASE_URL="https://ark.cn-beijing.volces.com/api/v3" # 火山引擎地址
MIDSCENE_PLANNING_MODEL_API_KEY="...."
MIDSCENE_PLANNING_MODEL_NAME="doubao-seed-2-1-turbo-260628"
MIDSCENE_PLANNING_MODEL_FAMILY="doubao-seed"

MIDSCENE_INSIGHT_MODEL_BASE_URL="https://ark.cn-beijing.volces.com/api/v3" # 火山引擎地址
MIDSCENE_INSIGHT_MODEL_API_KEY="...."
MIDSCENE_INSIGHT_MODEL_NAME="doubao-seed-2-1-turbo-260628"
MIDSCENE_INSIGHT_MODEL_FAMILY="doubao-seed"

如果你的火山引擎账号已开通低延迟模式（Fast Tier），可以追加以下请求体参数来使用该能力。通常可将模型响应速度提升约 30% 至 50%。

MIDSCENE_MODEL_EXTRA_BODY_JSON={"service_tier":"fast"}

千问 Qwen 系列

常用模型供应商：阿里云

模型版本	常用模型名称	`MIDSCENE_MODEL_FAMILY`	备注
Qwen3.x 系列	`qwen3.7-plus`、`qwen3.5-plus`、`qwen3.6-plus`	`qwen3`	从定位测评的结果看，推荐顺序为 Qwen3.7 > Qwen3.5 > Qwen3.6。`qwen3.5`、`qwen3.6` 作为旧 family 仍然兼容。
Qwen3-VL 系列	`qwen3-vl-plus`	`qwen3-vl`	作为旧版本模型，不推荐使用。建议优先使用 Qwen3.x 系列。
Qwen2.5-VL 系列	`qwen-vl-max-latest`	`qwen2.5-vl`	作为旧版本模型，不推荐使用。建议优先使用 Qwen3.x 系列。

环境变量配置示例，以 qwen3.7-plus 为例：

🎯 用作默认模型

🧠 用作 Planning 模型

🔎 用作 Insight 模型

MIDSCENE_MODEL_BASE_URL="https://dashscope.aliyuncs.com/compatible-mode/v1" # 阿里云地址
MIDSCENE_MODEL_API_KEY="......"
MIDSCENE_MODEL_NAME="qwen3.7-plus"
MIDSCENE_MODEL_FAMILY="qwen3" # 如果你使用了其他版本的 Qwen，需要替换为对应的 model family

MIDSCENE_PLANNING_MODEL_BASE_URL="https://dashscope.aliyuncs.com/compatible-mode/v1" # 阿里云地址
MIDSCENE_PLANNING_MODEL_API_KEY="......"
MIDSCENE_PLANNING_MODEL_NAME="qwen3.7-plus"
MIDSCENE_PLANNING_MODEL_FAMILY="qwen3" # 如果你使用了其他版本的 Qwen，需要替换为对应的 model family

MIDSCENE_INSIGHT_MODEL_BASE_URL="https://dashscope.aliyuncs.com/compatible-mode/v1" # 阿里云地址
MIDSCENE_INSIGHT_MODEL_API_KEY="......"
MIDSCENE_INSIGHT_MODEL_NAME="qwen3.7-plus"
MIDSCENE_INSIGHT_MODEL_FAMILY="qwen3" # 如果你使用了其他版本的 Qwen，需要替换为对应的 model family

DeepSeek 系列

Midscene 从 v1.12.0 开始支持 DeepSeek。

常用模型供应商：DeepSeek - 图像理解

模型版本	常用模型名称	`MIDSCENE_MODEL_FAMILY`	备注
DeepSeek V4 系列	`deepseek-v4-flash-vision-exp`	`deepseek`	目前只有 `deepseek-v4-flash-vision-exp` 支持 Midscene 所需的多模态视觉输入。包括 `deepseek-v4-pro` 和普通 `deepseek-v4-flash` 在内的其他 DeepSeek V4 模型均不适用于 Midscene。

环境变量配置示例，以 deepseek-v4-flash-vision-exp 为例：

🎯 用作默认模型

🧠 用作 Planning 模型

🔎 用作 Insight 模型

MIDSCENE_MODEL_BASE_URL="https://api.deepseek.com" # DeepSeek API 地址
MIDSCENE_MODEL_API_KEY="......"
MIDSCENE_MODEL_NAME="deepseek-v4-flash-vision-exp"
MIDSCENE_MODEL_FAMILY="deepseek"

MIDSCENE_PLANNING_MODEL_BASE_URL="https://api.deepseek.com" # DeepSeek API 地址
MIDSCENE_PLANNING_MODEL_API_KEY="......"
MIDSCENE_PLANNING_MODEL_NAME="deepseek-v4-flash-vision-exp"
MIDSCENE_PLANNING_MODEL_FAMILY="deepseek"

MIDSCENE_INSIGHT_MODEL_BASE_URL="https://api.deepseek.com" # DeepSeek API 地址
MIDSCENE_INSIGHT_MODEL_API_KEY="......"
MIDSCENE_INSIGHT_MODEL_NAME="deepseek-v4-flash-vision-exp"
MIDSCENE_INSIGHT_MODEL_FAMILY="deepseek"

Google Gemini 系列

常用模型供应商：Google Gemini

模型版本	常用模型名称	`MIDSCENE_MODEL_FAMILY`	备注
Gemini 3.x 系列	`gemini-3.5-flash`、`gemini-3-flash-preview`	`gemini`	`gemini-3.5-flash` 是目前我们私有测评集中定位表现最好的模型。

环境变量配置示例，以 gemini-3.5-flash 为例：

🎯 用作默认模型

🧠 用作 Planning 模型

🔎 用作 Insight 模型

MIDSCENE_MODEL_BASE_URL="https://generativelanguage.googleapis.com/v1beta/openai/" # Google Gemini API 地址
MIDSCENE_MODEL_API_KEY="......"
MIDSCENE_MODEL_NAME="gemini-3.5-flash"
MIDSCENE_MODEL_FAMILY="gemini"

MIDSCENE_PLANNING_MODEL_BASE_URL="https://generativelanguage.googleapis.com/v1beta/openai/" # Google Gemini API 地址
MIDSCENE_PLANNING_MODEL_API_KEY="......"
MIDSCENE_PLANNING_MODEL_NAME="gemini-3.5-flash"
MIDSCENE_PLANNING_MODEL_FAMILY="gemini"

MIDSCENE_INSIGHT_MODEL_BASE_URL="https://generativelanguage.googleapis.com/v1beta/openai/" # Google Gemini API 地址
MIDSCENE_INSIGHT_MODEL_API_KEY="......"
MIDSCENE_INSIGHT_MODEL_NAME="gemini-3.5-flash"
MIDSCENE_INSIGHT_MODEL_FAMILY="gemini"

OpenAI GPT 系列

常用模型供应商：OpenAI

模型版本	常用模型名称	`MIDSCENE_MODEL_FAMILY`	备注
GPT-6 系列	`gpt-6-astra`	`gpt-6`
GPT-5 系列	`gpt-5.4`、`gpt-5.5`、`gpt-5.6-sol`、`gpt-5.6-terra`、`gpt-5.6-luna`	`gpt-5`	GPT-5.4 之前的模型不支持视觉定位，仅可用作 Planning 模型或 Insight 模型。在实际定位测试中，GPT-5.5 和 GPT-5.6 的定位效果明显优于 GPT-5.4，建议优先使用 GPT-5.5 或 GPT-5.6。

环境变量配置示例，以 gpt-6-astra 为例：

🎯 用作默认模型

🧠 用作 Planning 模型

🔎 用作 Insight 模型

MIDSCENE_MODEL_BASE_URL="https://api.openai.com/v1" # OpenAI API 地址；或你的兼容服务地址
MIDSCENE_MODEL_API_KEY="sk-..."
MIDSCENE_MODEL_NAME="gpt-6-astra"
MIDSCENE_MODEL_FAMILY="gpt-6"

MIDSCENE_PLANNING_MODEL_BASE_URL="https://api.openai.com/v1" # OpenAI API 地址；或你的兼容服务地址
MIDSCENE_PLANNING_MODEL_API_KEY="sk-..."
MIDSCENE_PLANNING_MODEL_NAME="gpt-6-astra"
MIDSCENE_PLANNING_MODEL_FAMILY="gpt-6"

MIDSCENE_INSIGHT_MODEL_BASE_URL="https://api.openai.com/v1" # OpenAI API 地址；或你的兼容服务地址
MIDSCENE_INSIGHT_MODEL_API_KEY="sk-..."
MIDSCENE_INSIGHT_MODEL_NAME="gpt-6-astra"
MIDSCENE_INSIGHT_MODEL_FAMILY="gpt-6"

Fast mode

GPT-5.6 Sol 和 GPT-6 Astra 均支持 Fast mode，可以追加 service_tier 请求体参数启用，以 GPT-5.6 Sol 为例：

MIDSCENE_MODEL_NAME="gpt-5.6-sol"
MIDSCENE_MODEL_FAMILY="gpt-5"
MIDSCENE_MODEL_EXTRA_BODY_JSON='{"service_tier":"fast"}'

按照 OpenAI 官方说明，Fast mode 可获得最高 2～2.5 倍的速度，费率为 Standard 费率的两倍。具体速度、价格和使用限制以官方说明为准。

使用 Codex App Server（OAuth，无需 API Key）

如果你已经通过 Codex CLI 登录（codex login），并希望 Midscene 直接复用该 OAuth 会话，可设置：

export MIDSCENE_MODEL_BASE_URL="codex://app-server"
export MIDSCENE_MODEL_NAME="gpt-5.4" # 或者使用 Codex model/list 可见的其他模型
export MIDSCENE_MODEL_FAMILY="gpt-5"

说明：

该模式下不需要 MIDSCENE_MODEL_API_KEY。
Midscene 会通过 stdio 调用 codex app-server。
请确保 codex 在 PATH 中可用，并通过 codex login status 确认登录状态。

已知限制

相比于直接调用 OpenAI 兼容 API，我们观察到这种方式可能耗时更长、token 消耗更多，具体原因还在排查中。

使用 GPT-5 时，请注意以下事项：

使用 GPT 做 UI 定位时，目前只支持使用 gpt-5.4 及以后的模型。因为为了获得最佳的定位效果，需要在发送图片时指定 "detail": "original" 参数，这一参数仅在 gpt-5.4 及后续模型上可用，gpt-5.4-mini、gpt-5.4-nano 等更小的 GPT-5 变体以及前代模型不支持 original 参数，会导致报错。详情请参考 Images and Vision guide 和 Computer use guide。
按照 OpenAI 的文档，GPT-5 在处理非拉丁字母文本、字号太小的文本时效果可能不理想，参见 Images and Vision guide。
OpenAI 在 computer use 文档中提到，他们观察到 1440x900 和 1600x900 这两种截图尺寸上通常能获得比较好的效果，详见 Computer use guide。因此，建议按照 OpenAI 的推荐对截图尺寸进行调整。在 Midscene 中，你可以通过 Agent 参数里的 screenshotShrinkFactor 控制截图压缩倍率。如果是浏览器自动化，还可以通过浏览器 viewport 指定页面的尺寸和比例。
使用 Azure OpenAI 时，Azure 可能不会正确处理 "detail": "original"，从而造成点击坐标偏移。详见使用 Azure OpenAI 时点击坐标偏移。
如果你使用的是更老版本的 GPT-5，建议只将其用作规划模型，并搭配其他多模态模型完成定位，参考多模型组合示例。

月之暗面 Kimi 系列

常用模型供应商：Moonshot AI 开放平台

模型版本	常用模型名称	`MIDSCENE_MODEL_FAMILY`	备注
K3 系列	`kimi-k3`	`kimi3`	根据 Kimi 的文档，K3 始终开启思考模式，无法关闭，且推理强度默认为 `max`
K2.x 系列	`kimi-k2.5`、`kimi-k2.6`	`kimi`	—

环境变量配置示例，以 kimi-k3 为例：

🎯 用作默认模型

🧠 用作 Planning 模型

🔎 用作 Insight 模型

MIDSCENE_MODEL_BASE_URL="https://api.moonshot.cn/v1" # Moonshot AI API 地址
MIDSCENE_MODEL_API_KEY="......"
MIDSCENE_MODEL_NAME="kimi-k3"
MIDSCENE_MODEL_FAMILY="kimi3" # 如果使用 kimi-k2.6，请改为 "kimi"

MIDSCENE_PLANNING_MODEL_BASE_URL="https://api.moonshot.cn/v1" # Moonshot AI API 地址
MIDSCENE_PLANNING_MODEL_API_KEY="......"
MIDSCENE_PLANNING_MODEL_NAME="kimi-k3"
MIDSCENE_PLANNING_MODEL_FAMILY="kimi3" # 如果使用 kimi-k2.6，请改为 "kimi"

MIDSCENE_INSIGHT_MODEL_BASE_URL="https://api.moonshot.cn/v1" # Moonshot AI API 地址
MIDSCENE_INSIGHT_MODEL_API_KEY="......"
MIDSCENE_INSIGHT_MODEL_NAME="kimi-k3"
MIDSCENE_INSIGHT_MODEL_FAMILY="kimi3" # 如果使用 kimi-k2.6，请改为 "kimi"

小米 MiMo 系列

常用模型供应商：小米 MiMo API 开放平台

模型版本	常用模型名称	`MIDSCENE_MODEL_FAMILY`	备注
V2.x 系列	`mimo-v2.5`	`xiaomi-mimo`	仅 Omni 系列支持多模态输入；Pro 系列是文本模型，不能用于 Midscene 视觉任务。

环境变量配置示例，以 mimo-v2.5 为例：

🎯 用作默认模型

🧠 用作 Planning 模型

🔎 用作 Insight 模型

MIDSCENE_MODEL_BASE_URL="https://api.xiaomimimo.com/v1" # 小米 MiMo API 地址
MIDSCENE_MODEL_API_KEY="......"
MIDSCENE_MODEL_NAME="mimo-v2.5"
MIDSCENE_MODEL_FAMILY="xiaomi-mimo"

MIDSCENE_PLANNING_MODEL_BASE_URL="https://api.xiaomimimo.com/v1" # 小米 MiMo API 地址
MIDSCENE_PLANNING_MODEL_API_KEY="......"
MIDSCENE_PLANNING_MODEL_NAME="mimo-v2.5"
MIDSCENE_PLANNING_MODEL_FAMILY="xiaomi-mimo"

MIDSCENE_INSIGHT_MODEL_BASE_URL="https://api.xiaomimimo.com/v1" # 小米 MiMo API 地址
MIDSCENE_INSIGHT_MODEL_API_KEY="......"
MIDSCENE_INSIGHT_MODEL_NAME="mimo-v2.5"
MIDSCENE_INSIGHT_MODEL_FAMILY="xiaomi-mimo"

智谱 GLM-V 系列

常用模型供应商：Z.AI（国际）、BigModel（国内）

模型版本	常用模型名称	`MIDSCENE_MODEL_FAMILY`	备注
GLM-5V 系列	`glm-5v-turbo`	`glm-v`	—
GLM-4.6 系列	`glm-4.6v`	`glm-v`	`glm-4.6v` 是开源模型。

环境变量配置示例，以 glm-5v-turbo 为例：

🎯 用作默认模型

🧠 用作 Planning 模型

🔎 用作 Insight 模型

MIDSCENE_MODEL_BASE_URL="https://open.bigmodel.cn/api/paas/v4" # BigModel API 地址；Z.AI 使用 https://api.z.ai/api/paas/v4
MIDSCENE_MODEL_API_KEY="......"
MIDSCENE_MODEL_NAME="glm-5v-turbo"
MIDSCENE_MODEL_FAMILY="glm-v"

MIDSCENE_PLANNING_MODEL_BASE_URL="https://open.bigmodel.cn/api/paas/v4" # BigModel API 地址；Z.AI 使用 https://api.z.ai/api/paas/v4
MIDSCENE_PLANNING_MODEL_API_KEY="......"
MIDSCENE_PLANNING_MODEL_NAME="glm-5v-turbo"
MIDSCENE_PLANNING_MODEL_FAMILY="glm-v"

MIDSCENE_INSIGHT_MODEL_BASE_URL="https://open.bigmodel.cn/api/paas/v4" # BigModel API 地址；Z.AI 使用 https://api.z.ai/api/paas/v4
MIDSCENE_INSIGHT_MODEL_API_KEY="......"
MIDSCENE_INSIGHT_MODEL_NAME="glm-5v-turbo"
MIDSCENE_INSIGHT_MODEL_FAMILY="glm-v"

了解更多关于 GLM-4.6V 开源模型

GitHub: https://github.com/zai-org/GLM-V
Hugging Face: https://huggingface.co/zai-org/GLM-4.6V

设置环境变量

Midscene 从环境变量读取模型配置。请选择与你的使用方式对应的方法，也可以沿用项目已有的环境变量管理方式。

在当前 Shell 中设置环境变量

以下示例适用于 Bash 和 Zsh。变量只在当前 Shell 会话及其启动的子进程中有效。

# 将全部值替换为所选模型服务商提供的配置
export MIDSCENE_MODEL_BASE_URL="https://替换为你的模型服务地址/v1"
export MIDSCENE_MODEL_API_KEY="替换为你的 API Key"
export MIDSCENE_MODEL_NAME="替换为你的模型名称"
export MIDSCENE_MODEL_FAMILY="替换为你的模型对应的 family"

通过 CLI 加载 `.env`

在运行 midscene 命令时所在的目录中创建 .env 文件。@midscene/cli 会自动读取这个文件。

# 将全部值替换为所选模型服务商提供的配置
MIDSCENE_MODEL_BASE_URL="https://替换为你的模型服务地址/v1"
MIDSCENE_MODEL_API_KEY="替换为你的 API Key"
MIDSCENE_MODEL_NAME="替换为你的模型名称"
MIDSCENE_MODEL_FAMILY="替换为你的模型对应的 family"

.env 中的每一行都不需要添加 export。运行 YAML 任务时，当前 Shell 中已有的同名变量默认优先于 .env。如需让 .env 覆盖它们，请使用 --dotenv-override。

midscene model verify 是例外。该命令会使用 .env 中的值覆盖当前 Shell 中的同名变量。

通过 dotenv 为 JavaScript SDK 加载 `.env`

Midscene JavaScript SDK 直接读取 Node.js 进程中的模型配置环境变量（process.env）。如果 Shell、容器或部署平台已经提供这些变量，无需安装 dotenv。如果配置保存在 .env 文件中，可以使用 dotenv 将文件中的变量加载到 process.env。

npm

yarn

pnpm

bun

deno

npm install dotenv

在运行脚本时所在的目录中创建 .env 文件：

# 将全部值替换为所选模型服务商提供的配置
MIDSCENE_MODEL_BASE_URL="https://替换为你的模型服务地址/v1"
MIDSCENE_MODEL_API_KEY="替换为你的 API Key"
MIDSCENE_MODEL_NAME="替换为你的模型名称"
MIDSCENE_MODEL_FAMILY="替换为你的模型对应的 family"

在创建 Midscene Agent 之前导入 dotenv：

import 'dotenv/config';

如果当前 Shell 已有同名变量，dotenv 默认保留现有值。Midscene 示例项目也使用了这种加载方式。

验证配置

设置环境变量后，运行以下任一命令：

# 使用当前项目中安装的 CLI
npx midscene model verify

# 或使用最新版本的 CLI
npx @midscene/cli@latest model verify

如果验证失败，请阅读模型调试与可观测性。

配置多个模型（可选）

多模型配置不是必需项。大多数场景只需配置默认模型，即可完成 UI 定位和操作。仅当复杂规划或页面理解需要使用独立模型时，才需要配置 Planning 模型或 Insight 模型。你可以只配置其中一个，也可以同时配置两者。

如需了解何时组合多个模型，请阅读模型策略。

以下示例使用 Qwen 3.5 作为默认模型，负责视觉定位。GPT-5.4 作为 Planning 模型和 Insight 模型，负责复杂推理。

# 默认多模态模型：Qwen 3.5
export MIDSCENE_MODEL_BASE_URL="https://..."       # Qwen 3.5 接口地址
export MIDSCENE_MODEL_API_KEY="..."                # 你的 Qwen 3.5 API Key
export MIDSCENE_MODEL_NAME="qwen3.5-plus"
export MIDSCENE_MODEL_FAMILY="qwen3.5"

# Planning 模型：GPT-5.4
export MIDSCENE_PLANNING_MODEL_API_KEY="sk-..."    # 你的 GPT-5.4 API Key
export MIDSCENE_PLANNING_MODEL_BASE_URL="https://..."
export MIDSCENE_PLANNING_MODEL_NAME="gpt-5.4"
export MIDSCENE_PLANNING_MODEL_FAMILY="gpt-5"

# Insight 模型：GPT-5.4
export MIDSCENE_INSIGHT_MODEL_API_KEY="sk-..."     # 你的 GPT-5.4 API Key
export MIDSCENE_INSIGHT_MODEL_BASE_URL="https://..."
export MIDSCENE_INSIGHT_MODEL_NAME="gpt-5.4"
export MIDSCENE_INSIGHT_MODEL_FAMILY="gpt-5"

其他兼容模型

以下小参数模型也与 Midscene 兼容，主要面向自动化场景。它们对部署硬件的要求较低，但处理复杂任务或大尺寸截图的能力可能受限。选择前，请结合实际任务和部署条件进行评估。

智谱 AutoGLM 系列

智谱 AutoGLM 是智谱 AI 推出的开源移动端 UI 自动化模型，模型尺寸为 9B。

从 Z.AI（国际）或 BigModel（国内）获取 API Key 后，可以使用以下配置：

MIDSCENE_MODEL_BASE_URL="https://open.bigmodel.cn/api/paas/v4" # 或 https://api.z.ai/api/paas/v4
MIDSCENE_MODEL_API_KEY="......"
MIDSCENE_MODEL_NAME="autoglm-phone" # 模型名以平台实际模型名为准
MIDSCENE_MODEL_FAMILY="auto-glm" # 或 "auto-glm-multilingual"

关于 MIDSCENE_MODEL_FAMILY 配置

AutoGLM 提供了两个版本的模型，通过 MIDSCENE_MODEL_FAMILY 区分：

auto-glm - 对应 AutoGLM-Phone-9B，针对中文环境优化
auto-glm-multilingual - 对应 AutoGLM-Phone-9B-Multilingual，支持英语等其他语言场景

请根据你的应用语言选择合适的版本。

Info

AutoGLM 更适合移动端交互。aiAssert 和 aiQuery 等 API 需要理解页面。使用这些 API 时，请通过 MIDSCENE_INSIGHT_MODEL_... 环境变量配置独立的 Insight 模型。详情请参考模型策略。

了解更多关于智谱 AutoGLM

GitHub: https://github.com/zai-org/Open-AutoGLM
Hugging Face: https://huggingface.co/zai-org/AutoGLM-Phone-9B

UI-TARS 系列

你可以在火山引擎上使用已部署的 doubao-1.5-ui-tars。

MIDSCENE_MODEL_BASE_URL="https://ark.cn-beijing.volces.com/api/v3"
MIDSCENE_MODEL_API_KEY="...."
MIDSCENE_MODEL_NAME="ep-2025..." # 来自火山引擎的推理接入点 ID 或模型名称
MIDSCENE_MODEL_FAMILY="vlm-ui-tars-doubao-1.5"

关于 MIDSCENE_MODEL_FAMILY 配置

MIDSCENE_MODEL_FAMILY 用于指定 UI-TARS 版本，使用以下值之一：

vlm-ui-tars：用于模型版本 1.0
vlm-ui-tars-doubao：用于在火山引擎上部署的模型版本 1.5（与 vlm-ui-tars-doubao-1.5 等效）
vlm-ui-tars-doubao-1.5：用于在火山引擎上部署的模型版本 1.5

Info

旧版本使用 MIDSCENE_USE_VLM_UI_TARS=DOUBAO 或 MIDSCENE_USE_VLM_UI_TARS=1.5 配置，该配置仍然兼容但已废弃，建议迁移到 MIDSCENE_MODEL_FAMILY。

迁移对应关系：

MIDSCENE_USE_VLM_UI_TARS=1.0 → MIDSCENE_MODEL_FAMILY="vlm-ui-tars"
MIDSCENE_USE_VLM_UI_TARS=1.5 → MIDSCENE_MODEL_FAMILY="vlm-ui-tars-doubao-1.5"
MIDSCENE_USE_VLM_UI_TARS=DOUBAO → MIDSCENE_MODEL_FAMILY="vlm-ui-tars-doubao"

下一步

在模型策略中了解何时使用 Default、Planning 和 Insight 模型。
在模型配置参考中查询全部环境变量。
在模型调试与可观测性中排查连接和兼容性问题。

#支持的模型与配置

#支持的模型

#豆包 Seed 系列

#千问 Qwen 系列

#DeepSeek 系列

#Google Gemini 系列

#OpenAI GPT 系列

#月之暗面 Kimi 系列

#小米 MiMo 系列

#智谱 GLM-V 系列

#设置环境变量

#在当前 Shell 中设置环境变量

#通过 CLI 加载 .env

#通过 dotenv 为 JavaScript SDK 加载 .env

#验证配置

#配置多个模型（可选）

#其他兼容模型

#智谱 AutoGLM 系列

#UI-TARS 系列

#下一步

支持的模型与配置

支持的模型

豆包 Seed 系列

千问 Qwen 系列

DeepSeek 系列

Google Gemini 系列

OpenAI GPT 系列

月之暗面 Kimi 系列

小米 MiMo 系列

智谱 GLM-V 系列

设置环境变量

在当前 Shell 中设置环境变量

通过 CLI 加载 `.env`

通过 dotenv 为 JavaScript SDK 加载 `.env`

验证配置

配置多个模型（可选）

其他兼容模型

智谱 AutoGLM 系列

UI-TARS 系列

下一步