Microsoft выпустила Fara-7B, мультимодальный агент с 7 миллиардами параметров, специально разработанный для сценариев использования на компьютерах. Может одновременно обрабатывать скриншоты и текст, напрямую предсказывать цепочки мышления с параметрами и операционные действия, основан на Qwen 2.5-VL, с контекстом 128k, обучен за 2,5 дня на 64 блоках H100, выпущен под лицензией MIT. Он воспринимает ввод браузера через скриншоты, сочетает рассуждения и прогнозирование исторического состояния для определения следующего действия и параметров, таких как координаты, опираясь на масштабные полностью синтезированные данные. Обладает способностью планировать и выполнять сложные задачи, использует устойчивое последующее обучение для безопасного выравнивания, умеет отклонять нарушающие правила задачи и приостанавливаться в ключевых точках. Может быть развернут и взаимодействовать через GitHub, vllm, fara-cli, используется для автоматизации веб-страничных задач.

MeNews

2026-05-27 00:32:37

Генерация тезисов в процессе

AIMPACT сообщение, 16 мая (UTC+8), Microsoft выпустила Fara-7B, это их первый малый языковой модель с 7 миллиардами параметров, специально разработанная для сценариев использования в компьютерах. Эта модель использует мультимодальную декодерную архитектуру, способную принимать скриншоты изображений и текстовый контекст, прямо предсказывая цепочки мышления с параметрами и операционные действия. Построена на базе Qwen 2.5-VL (7B), поддерживает длину контекста 128k, обучалась 2,5 дня на 64 GPU H100, выпущена под лицензией MIT 24 ноября 2025 года. Fara-7B воспринимает браузерный ввод через скриншоты, сочетая внутреннее рассуждение и запись исторического состояния для предсказания следующего действия и параметров (например, координат клика), обучение основано на масштабном полностью синтезированном наборе данных. Модель способна планировать и выполнять сложные задачи (например, бронирование ресторана, подача заявки на работу, планирование путешествия и т.д.). В области безопасности и согласованности применяется метод устойчивого последующего обучения, модель обладает способностью распознавать ключевые точки, отказываться от семи типов задач, нарушающих политику использования, и при вводе личной информации или завершении покупки останавливать операции на ключевых точках. Пользователи могут развернуть и взаимодействовать через репозиторий GitHub, vllm и fara-cli, основное применение — автоматизация веб-задач. (Источник: InFoQ)

Посмотреть Оригинал

На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .

10 Лайков

Награда
10
11
Репост
Поделиться

комментарий

Добавить комментарий

MintCondition

· 3ч назад

После обучения — безопасность выравнивания + ключевые точки приостановки, этот дизайн явно основан на извлечённых уроках

Посмотреть ОригиналОтветить0

DepegDaydream

· 3ч назад

Полностью синтезированные данные для обучения, данные замкнуты, последующие итерации будут стоить всё дешевле.

Посмотреть ОригиналОтветить0

BlueberryStakingMachine

· 4ч назад

Обработка скриншотов и текста одновременно, мультимодальность наконец-то перестала быть модным трендом и стала необходимостью

Посмотреть ОригиналОтветить0

LatencyMonk

· 4ч назад

64 карт H100 обучают 2,5 дня, эта стоимость и эффективность ниже, чем я ожидал.

Посмотреть ОригиналОтветить0

BridgeAnxiety

· 5ч назад

Предсказание координат и параметров — это очень важно, раньше при использовании GPT-4V приходилось делать постобработку самостоятельно

Посмотреть ОригиналОтветить0

YieldBento

· 5ч назад

fara-cli напрямую через командную строку взаимодействие, гики в восторге, завтра попробую

Посмотреть ОригиналОтветить0

BluePeonyDoesn'tDrop

· 5ч назад

Могут отказаться от нарушающих правила задач и самостоятельно приостановиться, безопасность и выравнивание сделаны лучше, чем у некоторых закрытых моделей.

Посмотреть ОригиналОтветить0

PurpleMistLily

· 5ч назад

128k контекст + восприятие скриншотов, автоматизация браузера наконец-то не требует написания кучи XPath

Посмотреть ОригиналОтветить0

LonelyStoneUnderTheAurora

· 5ч назад

MIT лицензия означает, что можно коммерчески использовать и модифицировать, внутренние компании по упаковке готовы

Посмотреть ОригиналОтветить0

IdleFishDaoMember

· 5ч назад

Qwen 2.5-VL основание + полностью синтетические данные, путь синтетических данных становится все более популярным

Посмотреть ОригиналОтветить0

Подробнее

Популярные темы
Подробнее
#
StockTradingChallengeUpTo17000U
16.23M Популярность
#
TrumpBacksCFTCAuthorityOverPredictionMarkets
816.85K Популярность
#
IsraelStrikesIranBTCPlunges
49.57K Популярность
#
GatePredictionMarketAddsSmartMoneyTracking
13.2M Популярность
#
MicronMarketCapBreaks1Trillion
36.6K Популярность

Закреплено

Карта сайта

Microsoft выпустила первый модель интеллектуального агента с управлением компьютером на 7 миллиардов параметров Fara-7B

Популярные темы

StockTradingChallengeUpTo17000U

TrumpBacksCFTCAuthorityOverPredictionMarkets

IsraelStrikesIranBTCPlunges

GatePredictionMarketAddsSmartMoneyTracking

MicronMarketCapBreaks1Trillion

Закреплено