Fara-7B 是微軟開源的專注于計算機使用的代理型小語言模型（SLM）。模型通過視覺感知網頁，操作鼠標、鍵盤等界面元素來幫助用戶完成任務，如填寫表單、搜索信息或預訂行程。模型僅有70億參數，能在其尺寸類別中達到頂尖性能，且能直接在設備上運行，降低延遲并提升隱私保護。Fara-7B 采用合成數據訓練，具備高效的任務執行能力，同時注重安全性。模型目前作為實驗性版本發布，旨在邀請社區探索和反饋，推動技術進步。
Fara-7B的主要功能自動化任務執行：通過操作鼠標、鍵盤等界面元素，幫助用戶完成各種計算機任務，如填寫表單、搜索信息、預訂旅行、管理賬戶等。視覺感知與交互：模型能直接感知網頁內容，通過預測坐標進行點擊、滾動、輸入等操作，完全依賴屏幕視覺信息，無需額外的輔助信息（如無障礙樹）。用戶交互與控制：在執行任務時，Fara-7B 會在關鍵節點（如涉及用戶隱私或重要決策時）暫停，等待用戶確認或輸入，確保用戶對任務的完全控制。隱私保護與安全性：所有操作均在本地設備上完成，用戶數據不會外傳，同時通過日志記錄和沙盒環境運行，確保隱私和安全。高效任務執行：通過優化的模型架構和訓練方法，Fara-7B 能用較少的步驟完成任務，相比其他同類模型效率更高，成本更低。Fara-7B的技術原理基于視覺的交互：模型通過屏幕截圖感知網頁內容，直接模擬人類用戶與計算機的交互方式，無需依賴網頁的內部結構（如 DOM 樹或無障礙樹）。合成數據生成：為解決高質量訓練數據不足的問題，微軟開發了合成數據生成管道。管道從公開網頁和任務提示中生成大規模的多步驟任務數據，避免人工標注的高昂成本。多智能體系統訓練：在訓練階段，Fara-7B 使用多智能體系統解決合成任務，生成用于監督微調的演示數據。智能體包括任務規劃者、網頁操作者和用戶模擬器等，通過協同工作完成任務。單模型蒸餾：將多智能體系統的復雜性蒸餾到一個單一模型中，使 Fara-7B 能獨立運行，簡化部署和使用過程。強化安全機制：模型在訓練中加入安全數據，使其能拒絕有害任務。同時，所有操作均記錄可審計，確保用戶對模型行為的完全掌控。Fara-7B的項目地址項目官網：https://www.microsoft.com/en-us/research/blog/fara-7b-an-efficient-agentic-model-for-computer-use/GitHub倉庫：https://github.com/microsoft/faraHuggingFace模型庫：https://huggingface.co/microsoft/Fara-7B技術論文：https://www.microsoft.com/en-us/research/wp-content/uploads/2025/11/Fara-7B-An-Efficient-Agentic-Model-for-Computer-Use.pdfFara-7B的應用場景辦公自動化：Fara-7B 能自動處理文檔、撰寫郵件、錄入數據，顯著提升辦公效率。信息檢索與整理：模型能快速搜索網絡信息并整理匯總，幫助用戶高效獲取所需資料。電子商務：Fara-7B 能自動搜索商品、比較價格并協助下單，優化購物體驗。旅行規劃：模型能智能安排行程、預訂機票酒店，簡化旅行準備過程。在線學習：Fara-7B 能自動搜索課程、整理學習資料，助力用戶高效學習。 
