本文へスキップ

ShowUI

GUI エージェント向けの視覚言語行動モデル

公式サイトを見る

ShowUI とは

本モデルは GUI エージェント向けに作られた軽量な視覚・言語・行動モデルと説明されている。

できること

  • 画像とテキストを入力する
  • 画面上の操作を予測する
  • クリックや入力や選択を動かす

始め方

  • 依存パッケージを入れる
  • リポジトリを取得する
  • 画面を起動してモデルを読み込む

長所と短所

✓ 良い点

  • 指示に応じた画面操作を予測する
  • Hugging Face での学習と公開が挙がる

! 注意したい点

  • 準備には依存関係とリポジトリが要る
  • 対象は GUI 自動化の作業になる

よくある質問

何を組み合わせる?

視覚入力、言語理解、行動予測が挙がる。

どこで公開?

Hugging Face が公開先として挙がる。

最終評価日: 2026-11-15

その他 AIコーディングツール ツール

すべて見る →

評価方法