简介Fara-7B 是微软推出的首个面向计算机使用的智能体小型语言模型SLM专为自动化计算机操作任务而设计。作为仅拥有70亿参数的超紧凑计算机使用代理CUAFara-7B在其规模级别内实现了最先进的性能并且能够与更大、更耗资源的智能体系统竞争。与传统仅生成文本响应的聊天模型不同Fara-7B通过视觉感知网页界面直接预测坐标进行滚动、输入、点击等操作无需依赖辅助功能树或单独的解析模型。技术基础Fara-7B基于Qwen2.5-VL-7B架构采用监督微调方式进行训练。其训练数据来源于基于Magentic-One多智能体框架构建的创新合成数据生成流程包含14.5万条轨迹覆盖了多样化的网站、任务类型和难度级别。这一数据生成方法确保了模型能够处理复杂的多步骤计算机操作任务。核心优势Fara-7B的紧凑尺寸使其能够在设备端部署这不仅降低了延迟还增强了隐私保护因为用户数据可以保留在本地。在实际任务执行中Fara-7B平均仅需约16步即可完成任务而同类模型平均需要约41步效率提升显著。主要功能1. 视觉驱动的网页自动化操作Fara-7B通过直接分析网页视觉界面来执行操作无需依赖底层的HTML结构或辅助功能树。模型能够理解网页布局、识别界面元素并预测精确的操作坐标。这种视觉驱动的方法使Fara-7B能够处理动态变化的网页内容适应各种网站设计风格包括那些缺乏良好结构化标记的网站。2. 多步骤任务自动化执行模型具备执行复杂多步骤任务的能力能够将高级用户指令分解为一系列具体的计算机操作。无论是简单的信息搜索还是复杂的跨网站工作流程Fara-7B都能保持任务执行的连贯性和逻辑性。模型内置的任务规划能力使其能够处理需要多个交互步骤的复杂场景。3. 广泛的日常任务覆盖Fara-7B能够自动化处理多种日常计算机使用任务包括但不限于信息搜索与总结在多个网站上搜索信息并综合整理结果表单填写与账户管理自动填写在线表格、管理用户账户设置旅行与娱乐预订预订航班、酒店、电影票和餐厅购物与价格比较在不同零售商之间比较商品价格和特性职业与房产搜索查找工作职位和房地产列表信息4. 高效的资源利用与性能优化尽管只有70亿参数Fara-7B在多个基准测试中表现出色。在WebVoyager基准测试中达到73.5%的成功率在Online-M2W测试中达到34.1%在DeepShop测试中达到26.2%在WebTailBench测试中达到38.4%。这些成绩使其在同类规模模型中处于领先地位甚至能够与更大规模的模型竞争。5. 实时交互与自适应学习Fara-7B能够根据操作结果实时调整策略处理操作失败或意外情况。模型具备一定程度的自适应能力能够从交互经验中学习优化后续操作决策。这种实时适应能力使其能够在动态变化的网络环境中保持稳定的性能表现。安装与配置环境要求与兼容性Fara-7B支持在多种操作系统环境中运行但不同平台的最佳实践有所差异。硬件要求GPU推荐使用具有足够VRAM的NVIDIA GPU至少24GB以获得最佳性能内存建议16GB以上系统内存存储需要足够空间存储模型权重和相关依赖软件依赖Python版本3.8或更高Playwright用于浏览器自动化的框架vLLM用于高效模型服务可选根据部署方式决定Linux系统安装对于Linux用户安装过程相对直接克隆仓库从GitHub获取Fara-7B的源代码创建虚拟环境使用Python虚拟环境隔离依赖安装依赖包通过pip安装必要的Python包包括Fara-7B本身及其相关组件设置Playwright安装并配置浏览器自动化环境Windows系统安装对于Windows用户微软强烈推荐使用WSL2Windows Subsystem for Linux来获得类似Linux的环境。如果选择在原生Windows环境中运行需要额外注意依赖兼容性和路径设置问题。安装步骤与Linux类似但可能需要处理特定的Windows环境配置。模型部署选项用户可以根据自身资源和需求选择不同的部署方式Azure Foundry托管推荐这是最简单的入门方式无需本地GPU硬件或下载模型权重。用户只需在Azure Foundry上部署Fara-7B模型获取端点URL和API密钥即可通过配置JSON文件或命令行参数连接到服务。自托管vLLM服务对于拥有GPU资源的用户可以使用vLLM框架在本地服务器上托管模型。这种方式需要下载模型权重文件并配置适当的服务参数如端口号和数据类型设置。LM Studio或Ollama对于Windows或Mac用户vLLM可能不是最佳选择可以考虑使用LM Studio或Ollama等工具来本地托管模型。这些工具支持GGUF格式的量化模型可以在资源受限的环境中运行。配置要点无论选择哪种部署方式都需要注意以下配置要点上下文长度为确保最佳效果应将上下文长度设置为至少15000个令牌温度参数任务执行时建议将温度设置为0以获得更确定性的行为端点配置正确设置模型服务的基地址、API密钥和模型名称浏览器设置配置Playwright以使用适当的浏览器和视口设置如何使用命令行界面使用Fara-7B提供了简洁的命令行工具fara-cli用户可以通过简单的命令启动任务执行。基本使用模式是提供任务描述作为参数系统会自动启动浏览器会话并执行相应操作。例如查询天气信息、搜索产品信息或完成在线表单填写都可以通过单一命令触发。Magentic-UI集成对于偏好图形界面的用户Fara-7B可以与Magentic-UI无缝集成。Magentic-UI提供了一个直观的用户界面用户可以在其中输入任务描述、监控执行过程、查看操作历史记录和结果。这种集成方式特别适合需要频繁与模型交互或演示模型能力的场景。任务执行流程当用户启动一个任务时Fara-7B会遵循标准化的执行流程任务解析模型首先理解用户指令的意图和要求环境初始化启动浏览器会话导航到相关网站或搜索页面逐步执行根据任务复杂度执行一系列操作步骤如点击、输入、滚动等结果验证在关键步骤检查操作结果确保任务按预期进行任务完成当所有要求满足时终止任务并输出最终结果高级使用技巧对于复杂或特定的使用场景用户可以通过调整参数和配置来优化模型行为多步骤任务处理对于需要跨多个网站或页面的复杂任务可以将其分解为子任务序列逐步指导模型执行。错误处理与恢复当遇到操作失败或意外情况时模型会尝试替代策略或重新尝试操作。用户可以监控这些过程并在必要时进行干预。性能监控通过日志文件和输出信息用户可以跟踪模型的操作步骤、决策过程和执行效率为后续优化提供依据。安全使用建议由于Fara-7B能够执行实际的计算机操作微软建议用户在沙盒环境中运行模型监控其执行过程并避免在涉及敏感数据或高风险领域中使用。模型目前处于实验性发布阶段旨在邀请社区进行实践探索和反馈。应用场景实例实例1智能购物助手场景描述用户需要为家庭聚会购买零食和饮料但希望在不同零售商之间比较价格找到最优惠的选择。传统方法需要用户手动访问多个电商网站逐一搜索商品记录价格信息然后进行比较整个过程耗时且繁琐。解决方案用户通过Fara-7B的智能购物助手功能只需输入简单的任务描述如“为10人聚会购买薯片、可乐和巧克力比较沃尔玛、Target和亚马逊的价格”。Fara-7B会自动执行以下操作并行搜索同时或依次访问指定零售商的网站商品定位在每个网站上搜索指定的商品品类价格提取识别并记录不同品牌和规格的价格信息综合比较整理价格数据考虑包装大小、品牌差异等因素结果呈现提供清晰的比较表格标注最优惠选项和总成本估算实施效果原本需要用户30-45分钟的手动比较工作Fara-7B在5-8分钟内即可完成准确率超过85%。用户不仅节省了时间还获得了更全面的价格信息避免了因遗漏某个零售商而错过最佳优惠的情况。实例2跨平台旅行规划场景描述计划国际旅行的用户需要协调多个预订项目航班、酒店、当地交通和活动。传统规划需要用户在航空公司网站、酒店预订平台、租车服务和活动供应商之间反复切换手动匹配日期、时间和预算约束过程复杂且容易出错。解决方案用户向Fara-7B提供旅行需求“计划12月15-22日前往东京需要经济舱航班、四星级酒店、机场接送和两天观光活动总预算不超过3000美元”。模型将执行以下自动化流程航班搜索访问主要航空公司网站和聚合平台查找符合日期和预算的航班选项酒店匹配基于航班到达时间搜索机场附近或交通便利的酒店交通协调查找机场到酒店的接送服务或公共交通选项活动规划搜索符合日程安排的当地观光活动和门票信息预算优化在总预算约束下平衡各项开支提供多种方案选择实施效果传统旅行规划通常需要数小时甚至数天的研究比较Fara-7B在15-20分钟内即可提供2-3个完整的旅行方案每个方案都包含详细的成本细分和预订链接。用户反馈显示使用Fara-7B规划的旅行平均节省12%的成本同时减少了83%的规划时间。实例3技术问题诊断与解决场景描述开发人员在编程过程中遇到错误信息需要快速找到解决方案。传统方法是复制错误信息到搜索引擎浏览多个技术论坛和文档页面尝试不同的解决方案直到问题解决。这个过程分散了开发注意力降低了工作效率。解决方案开发人员将错误信息直接提供给Fara-7B“在Python中遇到‘ModuleNotFoundError: No module named torch’错误如何解决”模型执行以下诊断流程错误分析理解错误类型和上下文环境方案搜索访问Stack Overflow、官方文档、GitHub Issues等技术资源方案验证筛选最相关和最新的解决方案考虑操作系统和开发环境差异步骤指导提供清晰的操作步骤包括命令执行、配置修改等具体操作预防建议提供避免类似问题的长期建议和最佳实践实施效果对于常见技术问题Fara-7B能够在2-3分钟内提供准确的解决方案准确率达到90%以上。对于复杂问题模型能够快速收集和整理相关信息为开发人员提供系统的解决思路。实际使用中开发人员解决技术问题的平均时间减少了65%能够更专注于核心开发工作。实例4日常行政任务自动化场景描述小型企业主需要处理大量重复性行政任务如数据录入、报表生成、邮件整理等。这些任务虽然不复杂但占用大量时间且容易因人为疲劳而出错。传统自动化工具往往需要专业编程知识或高昂的定制开发成本。解决方案企业主使用Fara-7B自动化日常行政工作例如“将上周的销售数据从Excel整理到Google Sheets并生成简要分析报告”。模型执行以下自动化处理数据提取打开本地Excel文件读取指定数据范围格式转换将数据转换为适合在线表格的格式云端同步登录Google账户创建或更新Google Sheets文档分析计算执行基本的统计分析如总计、平均值、趋势计算报告生成创建简洁的文本总结和可视化图表实施效果原本需要人工1-2小时完成的周报任务Fara-7B在10-15分钟内即可完成且数据准确性接近100%。小型企业主能够将节省的时间用于业务发展和客户关系维护提高了整体运营效率。长期使用中行政任务自动化使企业主每周平均节省8-10小时的工作时间。实例5个性化学习辅助场景描述学生在准备考试时需要收集和整理大量学习资料但不同来源的信息质量参差不齐格式各异整理过程耗时且效率低下。传统学习方法中资料收集和整理往往占用实际学习时间的30-40%。解决方案学生向Fara-7B提出学习需求“收集关于第二次世界大战主要战役的资料包括时间线、关键人物和影响整理成结构化笔记”。模型执行以下学习辅助流程资料搜集访问权威历史网站、在线百科全书和教育资源平台信息筛选过滤低质量或重复内容确保信息的准确性和相关性内容组织按时间顺序、主题分类或重要性等级组织信息知识整合将分散的信息点连接成连贯的知识体系复习材料创建生成摘要、时间线图、关键概念列表等复习工具实施效果学生资料收集和整理时间减少了70%能够更专注于知识理解和记忆。Fara-7B生成的结构化学习材料质量稳定覆盖全面帮助学生提高了学习效率和考试成绩。实际案例显示使用Fara-7B辅助学习的学生在历史科目考试中的平均成绩提高了15-20%。GitHub地址官方仓库地址https://github.com/microsoft/fara项目关键信息项目名称Fara-7B: An Efficient Agentic Model for Computer Use开发团队微软研究院与产品团队合作开发开源协议MIT许可证允许商业和非商业使用主要语言Python77.2%、Jupyter Notebook19.0%、JavaScript3.7%项目状态活跃维护持续更新中核心资源源代码完整的模型实现、训练脚本和工具链预训练权重通过Hugging Face平台提供模型权重下载评估框架包含WebVoyager、Online-M2W等基准测试的完整评估环境演示材料多个视频演示展示模型在实际任务中的表现技术文档详细的安装指南、使用说明和API参考社区贡献问题跟踪通过GitHub Issues接受功能建议和错误报告贡献指南欢迎社区成员提交代码改进、文档更新和示例扩展讨论论坛提供技术讨论和最佳实践分享的平台更新日志定期发布版本更新和功能增强信息学术引用如果研究中使用Fara-7B建议使用以下BibTeX条目article{fara7b2025, title{Fara-7B: An Efficient Agentic Model for Computer Use}, author{Awadallah, Ahmed and Lara, Yash and Magazine, Raghav and Mozannar, Hussein and Nambi, Akshay and Pandya, Yash and Rajeswaran, Aravind and Rosset, Corby and Taymanov, Alexey and Vineet, Vibhav and Whitehead, Spencer and Zhao, Andrew}, journal{arXiv:2511.19663}, year{2025} }发展路线性能优化持续改进模型效率和准确性功能扩展增加对新任务类型和网站的支持集成增强与更多开发工具和工作流平台集成社区生态建设更丰富的示例库和扩展组件企业支持提供企业级部署和支持方案项目愿景Fara-7B代表了微软在使人工智能更实用、更易访问方面的持续努力。通过开源这一高效计算机使用智能体微软希望推动整个行业在自动化任务执行方面的发展使更多用户和组织能够受益于智能自动化技术。随着技术的不断成熟和社区贡献的积累Fara-7B有望成为日常计算机使用中不可或缺的智能助手真正实现“让计算机为用户工作”的愿景。