IT之家 11 月 25 日消息，當(dāng)?shù)貢r間 11 月 24 日，微軟宣布推出全新的開源小型語言模型 Fara-7B，定位為專門用于計(jì)算機(jī)操作的“Agentic”模型，可通過鼠標(biāo)和鍵盤執(zhí)行網(wǎng)頁任務(wù)。

作為微軟首個面向電腦使用場景的小模型（SLM），F(xiàn)ara-7B 由 70 億參數(shù)構(gòu)成，在同級體量中達(dá)到領(lǐng)先性能，并能在設(shè)備端本地運(yùn)行，實(shí)現(xiàn)更低延遲及更好的隱私保護(hù)。

據(jù)介紹，F(xiàn)ara-7B 不像傳統(tǒng)聊天模型依賴文本交互，而是通過視覺解析網(wǎng)頁截圖，并在屏幕上執(zhí)行點(diǎn)擊、輸入、滾動等動作，不需要依賴額外的可訪問性樹（Accessibility Tree）或多個大模型協(xié)作。

微軟為此構(gòu)建了一條全新的合成數(shù)據(jù)生成流程，用以模擬復(fù)雜多步驟的網(wǎng)頁任務(wù)，來源包括真實(shí)用戶需求和真實(shí)網(wǎng)頁。該流程依托 Magentic-One 框架，涵蓋任務(wù)生成、任務(wù)求解及軌跡驗(yàn)證三個階段，最終用于訓(xùn)練模型的包括 14.5 萬條任務(wù)軌跡、100 萬步驟，并包含定位、描述與視覺問答等輔助任務(wù)數(shù)據(jù)。

IT之家從微軟官方獲悉，該模型基于 Qwen2.5-VL-7B 底座，支持最長 128k 上下文。在執(zhí)行任務(wù)時，F(xiàn)ara-7B 會在預(yù)測動作前輸出推理內(nèi)容，并調(diào)用 Playwright 的標(biāo)準(zhǔn)操作（例如 click (x,y) 和 type ()）及網(wǎng)頁宏操作（如 web_search ()）。訓(xùn)練方式以監(jiān)督微調(diào)為主，并未使用強(qiáng)化學(xué)習(xí)。

在測試中，F(xiàn)ara-7B 在多項(xiàng)公開基準(zhǔn)（WebVoyager、Online-Mind2Web、Deepshop）以及微軟新公布的 WebTailBench 中表現(xiàn)亮眼，在部分任務(wù)中領(lǐng)先同級模型 UI-TARS-1.5-7B，并可與更大規(guī)模、通過復(fù)雜提示方式驅(qū)動的系統(tǒng)（如使用 Set-Of-Marks 的 GPT-4o）競爭。

另外，微軟第三方合作機(jī)構(gòu) Browserbase 還采用了人工驗(yàn)證的方式對 Fara-7B 進(jìn)行評測，最終發(fā)現(xiàn)該模型在 WebVoyager 上取得 62% 的通過率（包含重試）。

微軟強(qiáng)調(diào) Fara-7B 仍為實(shí)驗(yàn)性發(fā)布，特別是在復(fù)雜任務(wù)的準(zhǔn)確性、指令遵循和降低幻覺方面仍存在局限，未來會持續(xù)改進(jìn)。

鑒于電腦使用智能體模型的特殊風(fēng)險，微軟在模型中加入了多項(xiàng)安全措施，包括要求模型在涉及敏感操作（如提交個人數(shù)據(jù)或不可逆行為）時停在“關(guān)鍵點(diǎn)”（Critical Point）并征求用戶同意；所有操作均會被記錄；模型需在沙盒環(huán)境運(yùn)行；并在訓(xùn)練中加入拒絕執(zhí)行不當(dāng)任務(wù)的示例。Fara-7B 在 WebTailBench-Refusals 的 111 個紅隊(duì)測試任務(wù)中拒絕率達(dá)到 82%。

目前，F(xiàn)ara-7B 已在 Microsoft Foundry 與 Hugging Face 以 MIT 許可發(fā)布并開源，同時整合進(jìn) Magentic-UI 研究原型。

微軟還宣布將提供量化與面向 Copilot+ PC 的優(yōu)化版本，可通過 VSCode 的 AI Toolkit 下載并在 Windows 11 本地運(yùn)行，支持 NPU 加速。微軟表示，未來更強(qiáng)的端側(cè) CUA 模型仍有提升空間，包括依賴更優(yōu)底座模型與在真實(shí)及沙盒環(huán)境中使用強(qiáng)化學(xué)習(xí)。

廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。