Microsoft membolehkan ejen AI’penggunaan komputer’tempatan dengan model FARA-7B baru

Microsoft Research telah melancarkan FARA-7B, model AI parameter 7 bilion yang direka untuk menjalankan”penggunaan komputer”ejen secara langsung pada peranti tempatan. Lesen MIT, Fara-7b dilaporkan mengatasi pesaing berasaskan awan yang besar seperti GPT-4O OpenAI pada penanda aras navigasi utama sambil mengurangkan kos kesimpulan sebanyak 90%. Src=”Data: Image/SVG+XML; Nitro-emphy-id=mty2mdoxnda3-1; base64, phn2zyb2awv3qm94psiwidagmti4mca3ot ciihdpzhropssixmjgwiibozwlnahq9ijc5nyigeg1sbnm9imh0dha6ly93d3cudzmub3jnlziwmdavc3znij48l3n2zz4=”>

Kedaulatan piksel: Peralihan kepada ejen-ejen tempatan

Memecahkan dari trend industri pemprosesan berpusat, pelepasan Microsoft Research dari Fara-7b menandakan pivot strategik dari AI yang bergantung kepada awan. Model asas Qwen2.5-VL-7B Alibaba, memproses data visual secara langsung dari tangkapan skrin dan bukannya bergantung kepada pokok aksesibiliti atau struktur kod yang mendasari. untuk industri yang dikawal selia mengendalikan data kewangan atau penjagaan kesihatan. Dengan menyimpan semua kesimpulan pada mesin tempatan, organisasi boleh menggunakan ejen autonomi tanpa mendedahkan aliran kerja proprietari atau maklumat pelanggan kepada pelayan pihak ketiga. Microsoft berkata,

“Saiz kecil Fara-7b kini memungkinkan untuk menjalankan model CUA secara langsung pada peranti. Ini mengakibatkan kependaman yang dikurangkan dan privasi yang lebih baik, kerana data pengguna tetap tempatan.”Ketangkasan sedemikian membuktikan kritikal untuk aliran kerja yang kompleks, pelbagai langkah di mana kelewatan dapat menggabungkan ke dalam kerugian produktiviti yang ketara. Menurut Microsoft:

Boleh diakses tanpa infrastruktur yang mahal, keupayaan ini memastikan bahawa ciri-ciri agensi maju kekal dalam jangkauan untuk penyebaran perusahaan standard. Openai’s GPT-4O (SOM). Keputusan sedemikian menunjukkan bahawa model yang lebih kecil dan khusus dapat mengatasi model tujuan umum yang lebih besar pada tugas-tugas tertentu. Sistem ini memproses matlamat pengguna, tangkapan skrin penyemak imbas, dan sejarah tindakan dalam tetingkap konteks 128,000. 🚨

Microsoft menjatuhkan fara-7b, dan ia mengalahkan GPT-4O di navigasi web semasa berjalan sepenuhnya secara tempatan. sasaran=”_ blank”> pic.twitter.com/uezykttcop

-yi (@imhaoyi) 25 November, 2025 href=”https://browserbase.com/blog/training-computer-use-models-in-the-real-world-with-microsoft”target=”_ blank”> ujian bebas oleh browserbase mengesahkan status yang lebih rendah. Walaupun varians ini, model ini tetap sangat kompetitif, menawarkan alternatif yang berdaya maju kepada penyelesaian yang lebih intensif sumber.

Kecekapan kos adalah pembezaan utama, dengan Microsoft menganggarkan kos purata $ 0.025 setiap tugas berbanding ~ $ 0.30 untuk model seperti GPT-5 atau O3. Mengurangkan halangan ke kemasukan, struktur kos ini dapat mempercepatkan penyebaran ejen yang meluas.

Seperti yang terperinci dalam :

Despite its small size, Fara-7B maintains a substantial 128,000-token context window, allowing it to retain history across long, multi-step workflows, as noted in Pengumuman rasmi .

“Melangkah ke hadapan, kami akan berusaha untuk mengekalkan saiz kecil model kami. Fara-7b di bawah lesen MIT, tetapi ia paling sesuai untuk juruterbang dan bukti-bukti daripada penyebaran misi-kritikal.”

Trajektori. Menurut Repositori model :

direka untuk berhenti sejenak dan secara jelas meminta kelulusan pengguna sebelum meneruskan.”[…]”Pendekatan ini membantu organisasi memenuhi keperluan yang ketat dalam sektor yang dikawal selia, termasuk HIPAA dan GLBA.”Jurang untuk alternatif yang berfokus pada privasi. 

Microsoft telah mengeluarkan model di bawah lesen MIT permisif pada Face Hugging dan Azure Foundry, menggalakkan penggunaan dan lelaran komuniti yang luas. Berbeza dengan ekosistem tertutup saingan utamanya, pendekatan terbuka ini berpotensi mempercepatkan inovasi di ruang ejen tempatan.