A Microsoft lançou o Fara-7B, um agente inteligente multimodal de 7B parâmetros, projetado especificamente para cenários de uso de computador. Pode processar simultaneamente capturas de tela e texto, prever diretamente cadeias de pensamento com parâmetros e ações operacionais, construído com base no Qwen 2.5-VL, com contexto de 128k, treinado em 64 blocos H100 por 2,5 dias, lançado sob licença MIT. Ele percebe a entrada do navegador através de capturas de tela, combinando raciocínio e previsão de estado histórico para determinar a próxima ação e parâmetros como coordenadas, dependendo de dados sintéticos em grande escala. Possui capacidade de planejar e executar tarefas avançadas, e utiliza alinhamento de segurança robusto após o treinamento, podendo recusar tarefas inadequadas e pausar em pontos críticos. Pode ser implantado e interagido via GitHub, vllm, fara-cli, sendo utilizado para automação de tarefas web.

MeNews

2026-05-27 00:32:37

Geração de resumo em curso

AIMPACT mensagem, 16 de maio (UTC+8), a Microsoft lançou o Fara-7B, seu primeiro modelo de linguagem inteligente de 7B parâmetros projetado especificamente para cenários de uso de computador.
Este modelo utiliza uma arquitetura de decodificador multimodal, capaz de receber imagens de captura de tela e contexto de texto, prevendo diretamente cadeias de pensamento parametrizadas e ações operacionais.
Construído com base no Qwen 2.5-VL (7B), suporta um comprimento de contexto de 128k, treinado por 2,5 dias em 64 GPUs H100, lançado sob licença MIT em 24 de novembro de 2025.
O Fara-7B percebe entradas do navegador por captura de tela, combinando raciocínio interno e registro de estado histórico para prever a próxima ação e seus parâmetros (como coordenadas de clique), dependendo de um grande conjunto de dados sintéticos completos para treinamento.
O modelo consegue planejar e executar tarefas avançadas (como reservar restaurantes, solicitar empregos, planejar viagens, etc.).
No que diz respeito ao alinhamento de segurança, utiliza métodos de treinamento robusto posterior, possui capacidade de reconhecimento de pontos-chave, consegue rejeitar sete categorias de tarefas que violem políticas de uso e pausa operações ao detectar informações pessoais ou ao completar compras em pontos críticos.
Os usuários podem implantar e interagir via repositórios no GitHub, vllm e a ferramenta fara-cli, sendo principalmente aplicado em tarefas automatizadas na web.
(Origem: InFoQ)

Ver original

Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.

10 gostos

Recompensa
10
11
Republicar
Partilhar

Comentar

Adicionar um comentário

MintCondition

· 8h atrás

Pós-treinamento de alinhamento de segurança + pausa nos pontos-chave, essa abordagem de design claramente aprendeu com as lições anteriores

Ver originalResponder0

DepegDaydream

· 8h atrás

Treinamento com dados totalmente sintéticos, o ciclo de dados está fechado, e os custos de iteração futura serão cada vez menores.

Ver originalResponder0

BlueberryStakingMachine

· 9h atrás

Tratar simultaneamente capturas de tela e texto, a multimodalidade finalmente deixou de ser uma moda passageira e tornou-se uma necessidade real

Ver originalResponder0

LatencyMonk

· 9h atrás

64 placas H100 treinam em 2,5 dias, esse custo e eficiência estão abaixo do que eu imaginava

Ver originalResponder0

BridgeAnxiety

· 9h atrás

A previsão de coordenadas e parâmetros é realmente crucial, antes usava GPT-4V e ainda tinha que fazer o pós-processamento por conta própria

Ver originalResponder0

YieldBento

· 9h atrás

fara-cli interação direta na linha de comando, alegria dos geeks, vou tentar amanhã

Ver originalResponder0

BluePeonyDoesn'tDrop

· 9h atrás

Pode recusar tarefas que violem as regras e ainda assim pausar proativamente, essa alinhamento de segurança é mais detalhado do que alguns modelos de código fechado

Ver originalResponder0

PurpleMistLily

· 9h atrás

Contexto de 128k+ percepção de capturas de tela, automação de navegador finalmente sem precisar escrever uma pilha de XPath

Ver originalResponder0

LonelyStoneUnderTheAurora

· 9h atrás

A licença MIT significa que é permitido usar comercialmente, modificar livremente, e as empresas de rebranding domésticas estão preparadas

Ver originalResponder0

IdleFishDaoMember

· 9h atrás

Qwen 2.5-VL base + dados sintéticos, a rota de dados sintéticos está se tornando cada vez mais mainstream

Ver originalResponder0

Ver mais

Tópicos em destaque
Ver mais
#
StockTradingChallengeUpTo17000U
16.23M Popularidade
#
TrumpBacksCFTCAuthorityOverPredictionMarkets
820.5K Popularidade
#
IsraelStrikesIranBTCPlunges
49.57K Popularidade
#
GatePredictionMarketAddsSmartMoneyTracking
13.21M Popularidade
#
MicronMarketCapBreaks1Trillion
38.62K Popularidade

Fixado

Microsoft lança o primeiro modelo de agente inteligente controlado por computador com 7B parâmetros, Fara-7B

Tópicos em destaque

StockTradingChallengeUpTo17000U

TrumpBacksCFTCAuthorityOverPredictionMarkets

IsraelStrikesIranBTCPlunges

GatePredictionMarketAddsSmartMoneyTracking

MicronMarketCapBreaks1Trillion

Fixado