微软开源Fara-7B模型：专为电脑操作设计的智能体，支持Win11本地运行

11月25日消息，微软于当地时间11月24日正式发布全新的开源小型语言模型Fara-7B，该模型专为计算机操作场景设计，属于"Agentic"类型智能体，能够通过鼠标和键盘直接执行各类网页任务。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

作为微软旗下首款面向个人电脑使用场景的小型语言模型（SLM），Fara-7B拥有70亿参数规模，在同体量模型中表现领先，支持在设备端本地运行，有效降低延迟并提升数据隐私保护能力。

据介绍，Fara-7B与传统聊天模型的交互方式截然不同，它通过视觉解析网页截图，直接在屏幕上执行点击、输入、滚动等操作，不需要依赖额外的可访问性树（Accessibility Tree）或多个大型模型协同工作。

微软为此专门构建了一套全新的合成数据生成流程，用于模拟复杂多步骤的网页任务，数据来源包括真实用户需求和实际网页环境。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，最终用于模型训练的数据集包含14.5万条任务轨迹、100万操作步骤，并包含定位、描述与视觉问答等辅助任务数据。

根据微软最新披露，该模型基于Qwen2.5-VL-7B底座构建，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（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，未使用强化学习。

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

此外，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）。

微软强调Fara-7B仍属于实验性发布版本，尤其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"并征得用户同意；所有操作均会被记录；模型需在沙盒环境中运行；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平台以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版本及面向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，未来更强大的端侧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。