openreality
★ 429
vs
UI-TARS-desktop
★ 39.4k
openreality vs UI-TARS-desktop
openreality：Open Reality 把一段手机视频重建为持久的 3D 场景，AI 智能体可通过 41 个 MCP 工具查询它。支持测量、路径规划和机器人训练数据导出，整套服务可自托管在自己的 GPU 或 Modal 账号上。；UI-TARS-desktop：UI-TARS Desktop 是 TARS 多模态 AI 智能体技术栈的桌面应用组件，通过截图理解屏幕内容并与计算机 GUI 交互，支持执行 Shell 命令和浏览器工具，集成 MCP 扩展 Agent 能力。
01
简评
openrealityVision / Multimodal · ★ 429
让 Claude Code 回答房间有多大、扫描里有哪些物体
UI-TARS-desktopVision / Multimodal · ★ 39.4k
何时选择它（优势与适用）：
- 需要一款基于原生视觉模型的桌面端 GUI 智能体，直接通过看懂屏幕画面、端到端模拟鼠标点击与键盘输入来操作应用。
- 希望拥有一款跨 macOS、Windows 和 Linux 的开源多模态桌面自动化软件，胜任跨软件协同任务。
何时考虑替代方案：
- 操作对象仅为纯 Web 网页；直接通过 Playwright 或 Scrapling 操作 DOM 树比纯视觉模拟点击更快、更稳定。
- 本地或服务端缺乏充足的 GPU 算力或支持高分辨率视觉推理的多模态模型调用预算。
02
并排对比
03
功能特性
openreality01上传手机视频，几分钟后得到持久保存的 3D 场景
02测量任意点之间的距离和角度，用真实距离校准后才以米为单位
03在扫描出的可通行空间中规划到物体或指定点的路线
04可把扫描导出为 LeRobot / GR00T 风格数据集或 Isaac Sim 场景（托管服务）
05内置离线模拟器，用示例数据跑通流程，无需账号和 GPU
UI-TARS-desktop01原生 GUI 智能体，通过截图理解屏幕并与桌面应用交互
02多模态 LLM 驱动的任意 UI 视觉理解
03内置浏览器自动化和 Shell 命令执行
04MCP 集成，通过自定义工具扩展 Agent 能力
05跨平台桌面应用，提供 Web UI 选项
04
使用场景
openreality↳让 Claude Code 回答房间有多大、扫描里有哪些物体
↳用手机扫描真实空间，生成机器人训练数据
↳为智能体自托管视频转 3D 重建后端
UI-TARS-desktop↳通过视觉点击无 API 的桌面 GUI 工作流自动化
↳构建结合屏幕理解、网页和文件操作的多模态 Agent
↳通过自然语言指令在桌面执行 AI 辅助计算机任务
05
适合场景
openreality—
UI-TARS-desktop最受欢迎必备神器时下流行
FAQ
常见问题
openreality 和 UI-TARS-desktop 有什么区别？
openreality 和 UI-TARS-desktop 都属于 Vision / Multimodal 类别。openreality 有 429 Stars，UI-TARS-desktop 有 39.4k Stars。
openreality 和 UI-TARS-desktop 哪个更好？
最佳选择取决于你的具体需求。让 Claude Code 回答房间有多大、扫描里有哪些物体 时选 openreality，通过视觉点击无 API 的桌面 GUI 工作流自动化 时选 UI-TARS-desktop。
openreality 是免费的吗？
是的，openreality 在 GitHub 开源（BSD-2-Clause）。
UI-TARS-desktop 是免费的吗？
是的，UI-TARS-desktop 在 GitHub 开源（Apache-2.0）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→