1764226854
2025-11-27 06:14:00
マイクロソフトは 打ち上げられた Fara-7B は、人間と同じようにコンピューターを操作するために構築された最初の小型言語モデルです。同社は、この 70 億パラメータ モデルは、ライブ Web タスクにおいて大規模なエージェント システムに匹敵するか、それを上回ると同時に、ローカルで実行され、待ち時間が短く、プライバシーが強化されると主張しています。
Fara-7B は Web ページを視覚的に読み取り、予測された座標をクリック、入力、スクロールすることでタスクを完了します。アクセシビリティ ツリーや個別の解析レイヤーには依存しません。
Microsoftによれば、このモデルは平均して約16ステップでタスクを完了するが、これは多くの同等のシステムよりもはるかに少ないという。このモデルは、Magentic-One フレームワークを通じて生成された 145,000 の合成軌道でトレーニングされ、教師付き微調整を備えた Qwen2.5-VL-7B 上に構築されています。
同社は、Fara-7B を、検索、要約、フォームへの記入、アカウント管理、チケット予約、オンライン ショッピング、価格比較、仕事や不動産物件の検索ができる日常的なコンピューター使用エージェントとして位置づけています。
Microsoft は、11 カテゴリにわたる 609 の実際のタスクを含む新しいテスト セットである WebTailBench もリリースします。 Fara-7B は、ショッピング、航空券、ホテル、レストラン、複数ステップの比較タスクなど、あらゆるセグメントにわたるすべてのコンピューター使用モデルをリードしています。
同社はモデルを実行する 2 つの方法を提供しています。 Azure Foundry ホスティングを使用すると、ユーザーは重みをダウンロードしたり独自の GPU を使用したりせずに Fara-7B をデプロイできます。上級ユーザーは、GPU ハードウェア上の VLLM を通じてセルフホストできます。
評価スタックは、Playwright と、任意のモデルにプラグインできる抽象エージェント インターフェイスに依存しています。 Microsoftは、Fara-7Bは実験的リリースであり、機密データを含まないサンドボックス設定で実行する必要があると警告しています。
今年の初めに、Microsoft は小型言語モデル (SLM) の Phi ファミリの最新製品である Phi-4-multimodal と Phi-4-mini を発表しました。
先月、Google DeepMind は、ユーザー インターフェイスと対話できる Gemini 2.5 Pro AI の特殊バージョンである Gemini 2.5 Computer Use モデルをリリースしました。このモデルは、Google AI Studio および Vertex AI Studio を通じて Gemini API を介してプレビューで利用できます。
#Microsoftコンピューター使用向けに #Qwen #上に構築された #Fara7B #エージェント #モデルを発表