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

深度求索 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-flash`（V4.1 Flash）、`deepseek-v4-flash-vision-exp`（V4 Flash Vision）	`deepseek`	DeepSeek-V4-Pro 不支持视觉输入，不能用于 Midscene。

环境变量配置示例，以 deepseek-flash 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-flash"
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-flash"
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-flash"
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-sol`、`gpt-6-luna`	`gpt-6`	GPT-6 Sol 定位准确度出色，且价格仅为 GPT-6 Astra 的五分之一；GPT-6 Luna 价格非常便宜，同时具备良好的视觉定位能力。
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。

使用 ChatGPT 订阅（推荐）

如果你已经订阅了 ChatGPT plan，则可以通过 SIWC（Sign in with ChatGPT）获得一个 ChatGPT 授权 token。该 token 同样可以用于在 Midscene 中调用 OpenAI 服务，就像 OpenAI 的 API Key 一样。

使用方式：

首次获取凭据

npx @midscene/cli model siwc login

按照终端提示在浏览器中完成授权。授权时可为 Agent 自行取名，名称没有特殊要求；完成后，你可以在 ChatGPT 的使用情况页面查看已授权的 Agent。命令会打印 Access token，可将其配置为 MIDSCENE_MODEL_API_KEY。完整凭据保存在本地 ~/.midscene/siwc.json，Midscene 不会收集你的凭据。

使用 access token 时的环境变量配置示例，以 gpt-6-sol 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"
MIDSCENE_MODEL_API_KEY="<your-access-token>"
MIDSCENE_MODEL_NAME="gpt-6-sol"
MIDSCENE_MODEL_FAMILY="gpt-6"
MIDSCENE_MODEL_PROTOCOL="openai-responses" # SIWC 要求使用 Responses API
MIDSCENE_MODEL_STREAM_MODE="stream" # SIWC 要求开启流式返回

MIDSCENE_PLANNING_MODEL_BASE_URL="https://api.openai.com/v1"
MIDSCENE_PLANNING_MODEL_API_KEY="<your-access-token>"
MIDSCENE_PLANNING_MODEL_NAME="gpt-6-sol"
MIDSCENE_PLANNING_MODEL_FAMILY="gpt-6"
MIDSCENE_PLANNING_MODEL_PROTOCOL="openai-responses" # SIWC 要求使用 Responses API
MIDSCENE_MODEL_STREAM_MODE="stream" # SIWC 要求开启流式返回

MIDSCENE_INSIGHT_MODEL_BASE_URL="https://api.openai.com/v1"
MIDSCENE_INSIGHT_MODEL_API_KEY="<your-access-token>"
MIDSCENE_INSIGHT_MODEL_NAME="gpt-6-sol"
MIDSCENE_INSIGHT_MODEL_FAMILY="gpt-6"
MIDSCENE_INSIGHT_MODEL_PROTOCOL="openai-responses" # SIWC 要求使用 Responses API
MIDSCENE_MODEL_STREAM_MODE="stream" # SIWC 要求开启流式返回

刷新 Access token

Access token 会过期（默认有效期为 1 小时），需要主动更新凭据，使用下面的命令：
```
npx @midscene/cli model siwc refresh
```
命令会更新本地凭据并打印新的 Access token，请同步更新模型配置中的 token。

注意事项：

请遵守 OpenAI 的地区限制和使用条款，参见 Sign in with ChatGPT Terms。
使用 SIWC 时会消耗你的订阅额度，具体 token 消耗和订阅额度的换算以 ChatGPT 官方为准。你可以在 Midscene 的报告中查看每步任务的 token 消耗。
通过 SIWC 调用模型时，需要使用 Responses API，并开启流式返回。

使用 API Key

环境变量配置示例，以 gpt-6-sol 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="......"
MIDSCENE_MODEL_NAME="gpt-6-sol"
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="......"
MIDSCENE_PLANNING_MODEL_NAME="gpt-6-sol"
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="......"
MIDSCENE_INSIGHT_MODEL_NAME="gpt-6-sol"
MIDSCENE_INSIGHT_MODEL_FAMILY="gpt-6"

开启 Fast mode（service_tier="fast"）

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-6-sol" # 或者使用 Codex model/list 可见的其他模型
export MIDSCENE_MODEL_FAMILY="gpt-6"

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 时，请注意以下事项：

使用 GPT 做 UI 定位至少需要 GPT-5.4，Midscene 不支持更早的版本。
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 的 Chat Completions API 时，"detail": "original" 可能未被正确处理，从而造成点击坐标偏移。遇到此问题时，可以切换到 Responses API。详见使用 Azure OpenAI 时点击坐标偏移。

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-v2.6-pro`、`mimo-v2.6-flash`、`mimo-v2.6-pro-ultraspeed`、`mimo-v2.5`	`xiaomi-mimo`	2.6 全系列支持多模态；2.5 仅 Omni 系列支持多模态输入。

环境变量配置示例，以 mimo-v2.6-pro 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-v2.6-pro"
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-v2.6-pro"
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-v2.6-pro"
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

#深度求索 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

深度求索 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