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（CUA），Fara-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：

1. 克隆仓库：从GitHub获取Fara-7B的源代码

2. 创建虚拟环境：使用Python虚拟环境隔离依赖

3. 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

4. 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WSL2（Windows 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：

1. 任务解析：模型首先理解用户指令的意图和要求

2. 环境初始化：启动浏览器会话，导航到相关网站或搜索页面

3. 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

4. 结果验证：在关键步骤检查操作结果，确保任务按预期进行

5. 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：

1. 并行搜索：同时或依次访问指定零售商的网站

2. 商品定位：在每个网站上搜索指定的商品品类

3. 价格提取：识别并记录不同品牌和规格的价格信息

4. 综合比较：整理价格数据，考虑包装大小、品牌差异等因素

5. 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：

1. 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

2. 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

3. 交通协调：查找机场到酒店的接送服务或公共交通选项

4. 活动规划：搜索符合日程安排的当地观光活动和门票信息

5. 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：

1. 错误分析：理解错误类型和上下文环境

2. 方案搜索：访问Stack Overflow、官方文档、GitHub Issues等技术资源

3. 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

4. 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

5. 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：

1. 数据提取：打开本地Excel文件，读取指定数据范围

2. 格式转换：将数据转换为适合在线表格的格式

3. 云端同步：登录Google账户，创建或更新Google Sheets文档

4. 分析计算：执行基本的统计分析，如总计、平均值、趋势计算

5. 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：

1. 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

2. 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

3. 内容组织：按时间顺序、主题分类或重要性等级组织信息

4. 知识整合：将分散的信息点连接成连贯的知识体系

5. 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：Python（77.2%）、Jupyter Notebook（19.0%）、JavaScript（3.7%）

• 项目状态：活跃维护，持续更新中

核心资源：

1. 源代码：完整的模型实现、训练脚本和工具链

2. 预训练权重：通过Hugging Face平台提供模型权重下载

3. 评估框架：包含WebVoyager、Online-M2W等基准测试的完整评估环境

4. 演示材料：多个视频演示展示模型在实际任务中的表现

5. 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：

1. 性能优化：持续改进模型效率和准确性

2. 功能扩展：增加对新任务类型和网站的支持

3. 集成增强：与更多开发工具和工作流平台集成

4. 社区生态：建设更丰富的示例库和扩展组件

5. 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。