7B 参数、2.5 天 H100 训练、MIT 开源——微软 Fara 让「AI 操作电脑」从 demo 变成可部署的基础设施，关键是还做了安全对齐能拒绝违规任务，这才是正经 agent 该有的样子

微软发布 Fara-7B，7B 参数的多模态智能体，专为计算机使用场景设计。可同时处理截图与文本，直接预测带参数的思维链与操作动作，基于 Qwen 2.5-VL 构建，128k 上下文，64 块 H100 训练 2.5 天，MIT 许可发布。它通过截图感知浏览器输入，结合推理与历史状态预测下一步操作及坐标等参数，依赖大规模全合成数据。具备规划执行高级任务能力，并采用稳健后训练的安全对齐，能拒绝违规任务并在关键点暂停。可通过 GitHub、vllm、fara-cli 部署与交互，用于自动化网页任务。