マイクロソフトはついに7Bのインテリジェントエージェントに取り組み始めた、Fara-7Bは画像を見て操作しブラウザを閲覧できる、MITがオープンソース化していて面白い

AIMPACT メッセージ、5 月 16 日（UTC+8）、Microsoft は Fara-7B をリリースしました。これは、コンピュータ使用シナリオ向けに設計された最初の 7B パラメータのインテリジェントエージェント小型言語モデルです。このモデルはマルチモーダルデコーダアーキテクチャを採用し、スクリーンショット画像とテキストコンテキストを受け取り、パラメータ付きの思考チェーンと操作アクションを直接予測します。Qwen 2.5-VL（7B）を基盤に構築され、128k のコンテキスト長をサポートし、64 個の H100 GPU 上で 2.5 日間のトレーニングを行い、MIT ライセンスの下で 2025 年 11 月 24 日にリリースされます。Fara-7B はスクリーンショットを感知してブラウザ入力を理解し、内部推論と履歴状態記録を組み合わせて次の操作とパラメータ（例：クリック座標）を予測します。トレーニングは大規模な完全合成データセットに依存しています。このモデルは高レベルのタスク（例：レストラン予約、仕事応募、計画）を計画し実行することが可能です。