7B parámetros, entrenamiento H100 de 2.5 días, código abierto MIT—Microsoft Fara convierte la «IA que opera computadoras» de una demostración en una infraestructura desplegable, lo crucial es que también implementó alineación de seguridad para rechazar tareas ilícitas, esa es la verdadera forma que debe tener un agente serio

Microsoft lanza Fara-7B, un agente inteligente multimodal de 7 mil millones de parámetros, diseñado específicamente para escenarios de uso en computadoras. Puede procesar simultáneamente capturas de pantalla y texto, predecir directamente cadenas de pensamiento y acciones operativas con parámetros, construido sobre Qwen 2.5-VL, con un contexto de 128k, entrenado durante 2.5 días con 64 bloques H100, publicado bajo licencia MIT. A través de la percepción de capturas de pantalla, comprende las entradas del navegador, combina razonamiento y predicción del estado histórico para determinar la siguiente acción y parámetros como coordenadas, dependiendo de datos sintéticos a gran escala. Posee capacidad para planificar y ejecutar tareas avanzadas, y adopta un alineamiento seguro robusto tras el entrenamiento, pudiendo rechazar tareas inapropiadas y pausar en puntos clave. Se puede desplegar e interactuar mediante GitHub, vllm, fara-cli, para tareas automatizadas en páginas web.