微软首款专为电脑操作设计的开源智能体小模型 Fara-7B 发布

IT之家 11 月 25 日消息，当地时间 11 月 24 日，微软宣布推出全新的开源小型语言模型 Fara-7B，定位为专门用于计算机操作的“Agentic”模型，可通过鼠标和键盘执行网页任务。

作为微软首个面向电脑使用场景的小模型（SLM），Fara-7B 由 70 亿参数构成，在同级体量中达到领先性能，并能在设备端本地运行，实现更低延迟及更好的隐私保护。

微软首款专为电脑操作设计的开源智能体小模型 Fara-7B 发布

据介绍，Fara-7B 不像传统聊天模型依赖文本交互，而是通过视觉解析网页截图，并在屏幕上执行点击、输入、滚动等动作，不需要依赖额外的可访问性树（Accessibility Tree）或多个大模型协作。

微软首款专为电脑操作设计的开源智能体小模型 Fara-7B 发布

微软为此构建了一条全新的合成数据生成流程，用以模拟复杂多步骤的网页任务，来源包括真实用户需求和真实网页。该流程依托 Magentic-One 框架，涵盖任务生成、任务求解及轨迹验证三个阶段，最终用于训练模型的包括 14.5 万条任务轨迹、100 万步骤，并包含定位、描述与视觉问答等辅助任务数据。

微软首款专为电脑操作设计的开源智能体小模型 Fara-7B 发布

IT之家从微软官方获悉，该模型基于 Qwen2.5-VL-7B 底座，支持最长 128k 上下文。在执行任务时，Fara-7B 会在预测动作前输出推理内容，并调用 Playwright 的标准操作（例如 click (x,y) 和 type ()）及网页宏操作（如 web_search ()）。训练方式以监督微调为主，并未使用强化学习。

微软首款专为电脑操作设计的开源智能体小模型 Fara-7B 发布

在测试中，Fara-7B 在多项公开基准（WebVoyager、Online-Mind2Web、Deepshop）以及微软新公布的 WebTailBench 中表现亮眼，在部分任务中领先同级模型 UI-TARS-1.5-7B，并可与更大规模、通过复杂提示方式驱动的系统（如使用 Set-Of-Marks 的 GPT-4o）竞争。

另外，微软第三方合作机构 Browserbase 还采用了人工验证的方式对 Fara-7B 进行评测，最终发现该模型在 WebVoyager 上取得 62% 的通过率（包含重试）。

微软首款专为电脑操作设计的开源智能体小模型 Fara-7B 发布

微软强调 Fara-7B 仍为实验性发布，特别是在复杂任务的准确性、指令遵循和降低幻觉方面仍存在局限，未来会持续改进。

鉴于电脑使用智能体模型的特殊风险，微软在模型中加入了多项安全措施，包括要求模型在涉及敏感操作（如提交个人数据或不可逆行为）时停在“关键点”（Critical Point）并征求用户同意；所有操作均会被记录；模型需在沙盒环境运行；并在训练中加入拒绝执行不当任务的示例。Fara-7B 在 WebTailBench-Refusals 的 111 个红队测试任务中拒绝率达到 82%。

目前，Fara-7B 已在 Microsoft Foundry 与 Hugging Face 以 MIT 许可发布并开源，同时整合进 Magentic-UI 研究原型。

微软还宣布将提供量化与面向 Copilot+ PC 的优化版本，可通过 VSCode 的 AI Toolkit 下载并在 Windows 11 本地运行，支持 NPU 加速。微软表示，未来更强的端侧 CUA 模型仍有提升空间，包括依赖更优底座模型与在真实及沙盒环境中使用强化学习。