# Fara1.5 – 微软推出的浏览器端 AI 智能体模型系列 - Link: https://paooo.com/aigc-news/38595/ - Published: 2026-07-29T09:30:00+08:00 - Author: 站外新闻 ## Fara1.5是什么 Fara1.5是微软研究院 AI Frontiers 实验室最新推出的浏览器端AI智能体（CUA）模型系列， 包含 4B、9B、27B 三个参数版本。模型基于 Qwen3.5 微调，采用纯像素级截图输入，通过 观察—思考—行动循环输出鼠标与键盘操作，在 Online-Mind2Web 基准上 27B 版本任务成功 率达 72%，超越 [OpenAI](https://paooo.com/tag/openai/) Operator 与 [Gemini 2.5 Computer Use](https://ai-bot.cn/gemini-2-5-computer-use/)。 模型配套 MagenticLite 沙盒浏览器使用，支持表单填写、跨站比价、事件预订等复杂网页 任务，在关键操作前主动请求用户确认。 阅读目录 * [Fara1.5是什么](https://paooo.com/aigc-news/38595/#fara15%e6%98%af%e4%bb%80%e4%b9%88) * [Fara1.5的主要功能](https://paooo.com/aigc-news/38595/#fara15%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd) * [Fara1.5的技术原理](https://paooo.com/aigc-news/38595/#fara15%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86) * [如何使用Fara1.5](https://paooo.com/aigc-news/38595/#%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8fara15) * [Fara1.5的核心优势](https://paooo.com/aigc-news/38595/#fara15%e7%9a%84%e6%a0%b8%e5%bf%83%e4%bc%98%e5%8a%bf) * [Fara1.5的项目地址](https://paooo.com/aigc-news/38595/#fara15%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80) * [Fara1.5的同类竞品对比](https://paooo.com/aigc-news/38595/#fara15%e7%9a%84%e5%90%8c%e7%b1%bb%e7%ab%9e%e5%93%81%e5%af%b9%e6%af%94) * [Fara1.5的应用场景](https://paooo.com/aigc-news/38595/#fara15%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af) ![Fara1.5](https://paooo.com/wp-content/uploads/2026/07/Fara1.5-website-3.avif) ## Fara1.5的主要功能 * **像素级浏览器控制**：直接读取浏览器截图，不依赖 DOM 或无障碍树，输出 click、 type、scroll、drag 等像素级鼠标键盘操作。 * **网页专用快捷动作**：支持 web_search、visit_url、go_back 等高层网页操作，提升 任务执行效率。 * **上下文管理元动作**：内置 memorize、ask_user、finish 等动作，支持长程任务记忆 与协作式人机交互。 * **安全沙盒执行**：通过 MagenticLite 沙盒浏览器运行，形成与用户设备的安全边界， 所有操作可追溯。 * **多规模部署**：提供 4B、9B、27B 三个版本，兼顾边缘设备轻量化部署与高性能场景 需求。 ## Fara1.5的技术原理 * **基础架构**：以 Qwen3.5 为基座检查点，经约 200 万条有效样本监督微调（SFT）。 * **观察—思考—行动循环**：每步输入包含完整对话历史与最近 3 张浏览器截图，模型先 输出推理过程（thought），再预测下一步原子动作（action）。 * **滑动窗口损失掩码**：仅对最近 3 个轮次的 thought 与 action token 计算交叉熵损失， 历史截图与早期步骤仅作为输入上下文。 * **FaraGen1.5 合成数据引擎**：通过教师[智能体](https://paooo.com/trends/)（GPT- 5.4 + Fara1.5 工具能力约束）与用户模拟器多轮交互生成轨迹，再经正确性、效率、用户 交互三重验证器过滤，补充登录态、不可逆操作等真实网页无法采集的数据。 * **训练数据配比**：网页轨迹 60%、合成环境 12.8%、表单填写与用户交互 12.5%、事实 锚定 8.8%、视觉问答 4.9%。 ## 如何使用Fara1.5 * **环境准备**：安装 MagenticLite 沙盒浏览器，该界面专为 Fara1.5 系列智能体设计， 提供隔离的执行环境。 * **加载模型**：根据硬件与性能需求选择 Fara1.5-4B、9B 或 27B 模型，完成模型加载 与浏览器实例初始化。 * **下达任务**：通过自然语言描述网页任务，如”在 NYC 预订 11 月 24-28 日的酒店房间”。 * **循环执行**：模型自动进入 Observe-Think-Act 循环，读取截图、推理并执行单步动作， 直至任务完成或在关键节点主动询问用户。 * **确认与干预**：当遇到信息缺失、任务描述含糊或不可逆操作时，模型会暂停并请求用户 确认，保障操作安全。 ## Fara1.5的核心优势 * **同尺寸性能领先**：Fara1.5-9B 在 Online-Mind2Web 上取得 63.4% 成功率，相较同 规模的 GUI-Owl-1.5-8B（48.6%）提升近 15 个百分点，创下该参数级别 SOTA；Fara1.5- 4B 以 57.3% 的成绩已接近前代 Fara-7B（34.1%）的两倍，证明小模型也能承载复杂浏览 器任务。 * **纯视觉驱动，零外部依赖**：不解析 DOM 树、不依赖无障碍接口，仅通过像素截图理解 页面，适配性更强，不受网页结构变化或前端框架限制。 * **突破公开网页边界**：通过 FaraGen1.5 合成数据引擎模拟邮箱、日历、媒体平台等需 登录或涉及不可逆操作的场景，让模型能力从”只读浏览”扩展到”可写交互”。 * **可部署于 modest hardware**：4B 与 9B 版本可在普通消费级硬件上运行，降低企业 和开发者接入门槛，27B 版本则用于追求极致性能的场景。 ## Fara1.5的项目地址 * **项目地址**：https://www.microsoft.com/en-us/research/articles/fara1-5-computer- use-agent/ * **GitHub仓库**：https://github.com/microsoft/fara ## Fara1.5的同类竞品对比 | 对比维度 | **Fara1.5-27B** | **Fara1.5-4B** | OpenAI Operator | | **开发方** | 微软研究院 | 微软研究院 | OpenAI | | **参数规模** | 27B | 4B | 未公开（专有） | | **Online-Mind2Web** | **72.0%** | 57.3% | 58.3% | | **WebVoyager** | **88.6%** | 80.8% | — | | **开源/部署** | 开源权重，可本地部署 | 开源权重，边缘设备友好 | 云端专有 API | | **安全边界** | MagenticLite 沙盒 + 主动询问 | 同上 | 专有沙盒环境 | | **核心差异** | 纯 VLM 无 DOM 依赖，规模效应显著 | 小模型高性价比 | 生态整合与品牌认知强 | ## Fara1.5的应用场景 * **自动化表单填写**：在招聘、报销、预约等长表单页面中自动识别字段并填入信息，遇到 缺失项时主动询问用户。 * **跨站比价与调研**：在多个电商或信息站点间自动跳转、抓取商品参数与价格，汇总对比 结果。 * **日程与预订操作**：完成酒店、机票、会议室等需要多步点击、日期选择和支付确认的 预订流程。 * **邮件与内容管理**：在合成环境支持下，可执行邮件发送、草稿保存、附件上传等涉及 账户权限的操作。 * **无障碍辅助**：为视障或操作受限用户提供自然语言驱动的网页导航与交互代理。 **🚀 Prompt 语宙 AI 创作者生态：**探索 2,000+ 全球实用 AI 工具与高精度生图提示词 咒语库 [🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/) [⚡ AIGC 早报生成器](https://paooo.com/mtool/)