币圈界报道：

微软开源Fara1.5：小型模型实现浏览器任务突破

设想一个场景：只需一句指令，计算机便能自动比对多个度假租赁平台、填写预订表单，并选择离海滩最近的房源——全程无需人工干预。这正是“计算机使用智能体”所描绘的未来图景：具备读取屏幕内容、执行点击与输入等操作能力，且无需额外插件支持。

闭源方案渐显瓶颈，开源路径迎来转机

OpenAI于2025年初推出的Operator服务，虽以每月200美元定价切入市场，但最终在同年8月停止运营并整合进ChatGPT智能体。谷歌则推出基于Gemini 2.5的云端浏览器功能，两者均依赖封闭架构与高昂计算成本。

小模型大突破：Fara1.5刷新性能纪录

本周，微软研究院发布Fara1.5系列模型，涵盖40亿、90亿与270亿参数规模，全部基于阿里巴巴Qwen3.5基础模型构建，并针对网页交互任务进行专项微调，所有权重均已公开发布。

训练体系重构：从数据到决策的全流程革新

该成果的核心在于开发范式的根本性转变。团队提出：“如何让小型模型真正胜任复杂智能体任务？”答案是——必须对数据生成、训练目标、模型结构与协同机制实施一体化设计，而非孤立优化。

真实环境下的任务表现全面领先

在核心基准测试Online-Mind2Web中，Fara1.5-27B以72%的准确率位居榜首，大幅超越OpenAI Operator的58.3%与谷歌Gemini 2.5的57.3%。即便中等规模的Fara1.5-9B也达到63.4%，超过前两者。

在另一项评估实时网络操作成功率的WebVoyager测试中，Fara1.5-27B以88.6%得分略胜于OpenAI Operator的87.0%，并击败参数达300亿的Holo2模型（83.0%）。

以对手为师：创新数据生成机制

关键技术源自名为FaraGen1.5的自动化数据生成系统。它利用OpenAI GPT-5.4作为“教师智能体”，演示完整浏览器任务流程，再将这些行为转化为高质量训练数据。此举相当于以竞品最强模型训练开源替代品。

安全可控：沙箱环境与确认机制双保障

为应对不可逆操作风险，所有模型在执行如发送邮件或订票前均会暂停并请求用户确认。微软研究院高级项目经理强调：“在安全防护与操作流畅性之间取得平衡至关重要。”配套的MagenticLite沙箱环境可记录每一步操作，支持随时中断，确保用户始终掌握控制权。

开放生态驱动广泛落地

面对谷歌、Perplexity、Anthropic等厂商在浏览器端的竞争布局，Fara1.5凭借完全开放的优势脱颖而出：模型权重公开、推理代码托管于GitHub，支持本地部署。目前Fara1.5-9B已上线Azure AI Foundry，40亿与270亿版本即将发布。微软计划将该技术拓展至桌面应用与企业软件领域，推动智能体走向更广泛场景。