Microsoft Research AI Frontiers a publié Fara1.5-27B, un agent multimodal d'utilisation de l'ordinateur conçu pour les navigateurs web. Le modèle observe les interfaces du navigateur via des captures d'écran et exécute des tâches en émettant des appels d'outils structurés tels que cliquer, taper, faire défiler et rechercher.

  • Affinage supervisé à partir de Qwen3.5-27B utilisant des données générées par le pipeline multi-agents FaraGen1.5.
  • Perception uniquement visuelle qui suit le raisonnement interne et l'historique de trajectoire sous forme de texte pour prédire des actions ancrées.
  • Co-conçu avec MagenticLite pour un déploiement recommandé dans les environnements de recherche et de production.
  • Disponible en tailles de 4B, 9B et 27B paramètres sur Hugging Face.

L'agent automatise les tâches web répétitives telles que le remplissage de formulaires et la réservation, tout en servant de modèle d'ancrage pour d'autres agents nécessitant une prédiction d'actions précise au pixel.