微软发布开放权重模型Fara-7B，这是一款计算机使用（Computer Use）代理模型，主打以约70亿参数规模就能在个人设备上自动操作真实网页。官方表示，此Fara-7B模型为研究性质，建议在沙箱环境中实验，避免涉及高度敏感数据或高风险域名。
Fara-7B被设计成计算机使用代理，会直接读取浏览器窗口截屏，推论下一步应该把鼠标移到哪里点击、何时卷动页面、在哪个字段输入文本，其不依赖无障碍树（Accessibility Tree）等额外结构化资讯，而是尽量模拟一般用户的实际操作方式。微软预期，开发者可用Fara-7B协助填写线上表单、搜索与整理资讯、比价购物、订票或管理云计算服务账号，但前提是有人类监看与复核，不是完全放手交给代理。
在模型设计上，Fara-7B以多模态基础模型Qwen2.5-VL-7B为底，支持长内容输入，再通过监督式微调，让模型学会在观察画面、思考下一步与下达行动的流程中完成任务。每一步推理时，Fara-7B会综合适户指令、过去行动历史与最近三张浏览器截屏，先产生内部思考，再输出一次工具调用，对应浏览器自动化框架Playwright的鼠标与键盘动作，或web_search、visit_url等浏览宏。
微软以WebVoyager、Online-Mind2Web、DeepShop以及新提出的WebTailBench等基准，与其他计算机使用代理与大型模型代理比较。官方数据显示，在WebVoyager与WebTailBench上，Fara-7B的任务成功率不仅优于同样基于Qwen2.5-VL-7B的UI-TARS-1.5-7B，也具备与OpenAI计算机使用预览版等系统竞争的水准。由于Fara-7B平均完成任务所需步数较少，也就代表较少的运算，在成本更能取得优势。
Fara-7B在执行任务时，只处理浏览器截屏、用户任务指示与代理自身的动作历史，不额外访问网站内部结构数据，强调只收集完成任务所需的最小资讯，而所有代理行为会完整记录，方便事后审核与回溯。
训练数据也加入安全相关案例与应该拒绝的任务，并以WebTailBench-Refusals测试显示模型对红队场景具有明显拒绝能力。微软同时在训练过程中强调关键场景，例如输入个人信息或进行付款等不可逆操作时，代理必须停下来向用户确认，将最终决定权留给人类。
目前Fara-7B已集成进Magentic-UI研究原型，开发者可在受控界面中观察代理如何一步步操作网页，也能通过Microsoft Foundry、Hugging Face或VS Code的AI Toolkit下载模型，实际测试本机计算机使用代理。
本网通过AI自动登载内容，本文转载自MSN，【提供者：十轮网科技资讯 | 作者：佚名】，仅代表原作者个人观点。本站旨在传播优质文章，无商业用途。如不想在本站展示可联系删除。
