微軟開放Fara-7B小型代理模型，能在本機端自動操作網頁

微軟發表開放權重模型Fara-7B，這是一款電腦使用（Computer Use）代理模型，主打以約70億參數規模就能在個人裝置上自動操作真實網頁。官方表示，此Fara-7B模型為研究性質，建議在沙箱環境中實驗，避免涉及高度敏感資料或高風險網域。

Fara-7B被設計成電腦使用代理，會直接讀取瀏覽器視窗截圖，推論下一步應該把滑鼠移到哪裡點擊、何時捲動頁面、在哪個欄位輸入文字，其不依賴無障礙樹（Accessibility Tree）等額外結構化資訊，而是盡量模擬一般使用者的實際操作方式。微軟預期，開發者可用Fara-7B協助填寫線上表單、搜尋與整理資訊、比價購物、訂票或管理雲端服務帳號，但前提是有人類監看與覆核，不是完全放手交給代理。

在模型設計上，Fara-7B以多模態基礎模型Qwen2.5-VL-7B為底，支援長內容輸入，再透過監督式微調，讓模型學會在觀察畫面、思考下一步與下達行動的流程中完成任務。每一步推理時，Fara-7B會綜合使用者指令、過去行動歷史與最近三張瀏覽器截圖，先產生內部思考，再輸出一次工具呼叫，對應瀏覽器自動化框架Playwright的滑鼠與鍵盤動作，或web_search、visit_url等瀏覽巨集。

微軟以WebVoyager、Online-Mind2Web、DeepShop以及新提出的WebTailBench等基準，與其他電腦使用代理與大型模型代理比較。官方資料顯示，在WebVoyager與WebTailBench上，Fara-7B的任務成功率不僅優於同樣基於Qwen2.5-VL-7B的UI-TARS-1.5-7B，也具備與OpenAI電腦使用預覽版等系統競爭的水準。由於Fara-7B平均完成任務所需步數較少，也就代表較少的運算，在成本更能取得優勢。

Fara-7B在執行任務時，只處理瀏覽器截圖、使用者任務指示與代理自身的動作歷史，不額外存取網站內部結構資料，強調只收集完成任務所需的最小資訊，而所有代理行為會完整記錄，方便事後稽核與回溯。

訓練資料也加入安全相關案例與應該拒絕的任務，並以WebTailBench-Refusals測試顯示模型對紅隊情境具有明顯拒絕能力。微軟同時在訓練過程中強調關鍵情境，例如輸入個資或進行付款等不可逆操作時，代理必須停下來向使用者確認，將最終決定權留給人類。

目前Fara-7B已整合進Magentic-UI研究原型，開發者可在受控介面中觀察代理如何一步步操作網頁，也能透過Microsoft Foundry、Hugging Face或VS Code的AI Toolkit下載模型，實際測試本機電腦使用代理。