Microsoft Research AI Frontiersは、ウェブブラウザ用に設計されたマルチモーダルコンピュータ使用エージェントであるFara1.5-27Bをリリースしました。このモデルはスクリーンショットを通じてブラウザインターフェースを観察し、クリック、入力、スクロール、検索などの構造化されたツール呼び出しを発信してタスクを実行します。

  • FaraGen1.5マルチエージェントパイプラインによって生成されたデータを使用して、Qwen3.5-27Bから教師ありファインチューニングを実施。
  • 内部推論と軌跡履歴をテキストとして追跡し、根拠のある行動を予測するためのビジョンのみによる知覚。
  • 研究および本番環境での推奨デプロイメントのためにMagenticLiteと共同設計。
  • Hugging Faceで4B、9B、27Bパラメータサイズのモデルが利用可能。

このエージェントは、フォーム入力や予約などの反復的なウェブタスクを自動化し、ピクセル単位の正確な行動予測が必要な他のエージェントのためのグラウンディングモデルとしても機能します。