Новітня ШІ-модель Microsoft Fara-7B підкреслює локальне виконання та конфіденційність даних, що дозволяє підприємствам використовувати її без побоювань. Fara-7B має відмінну продуктивність, виконує складні завдання за допомогою візуального сприйняття та демонструє безмежний потенціал ШІ-моделей. Microsoft 24 листопада офіційно представила нову ШІ-модель Fara-7B, яка має 7 мільярдів параметрів і позиціонується як "агент використання комп'ютера" (Computer Use Agent, CUA). Вона працює локально без залежності від хмарних обчислень, поєднуючи високу продуктивність із конфіденційністю даних. Орієнтація на безпеку корпоративних даних, підтримка операцій "візуального сприйняття" Основна концепція Fara-7B полягає в задоволенні потреб корпоративних клієнтів щодо конфіденційності та відповідності вимогам при обробці конфіденційної інформації. Завдяки компактності модель може працювати на персональних комп'ютерах, що зменшує затримку та запобігає завантаженню даних у хмару, сприяючи локальній автоматизації, наприклад, для управління внутрішніми обліковими записами та обробки конфіденційних документів. Головною особливістю цієї моделі є взаємодія з веб-сайтами через "перегляд екрана" — вона зчитує макет екрана через знімки екрана, а потім прогнозує дії, такі як клацання мишею, введення тексту чи прокручування. На відміну від традиційних методів, що залежать від структури браузера, Fara-7B повністю базується на даних на рівні пікселів, тому може нормально працювати навіть із веб-сайтами зі заплутаною структурою коду. Менеджер продукту Microsoft Research Яш Лара зазначає, що Fara-7B реалізує так званий "піксельний суверенітет" через локальну обробку візуальних вводів, що дозволяє безпечно використовувати її навіть у високорегульованих галузях, таких як охорона здоров'я та фінанси. Тестова продуктивність перевершує GPT-4o, менша модель ефективніша У тестовому еталоні WebVoyager Fara-7B досягає 73,5% завершення завдань, що перевищує 65,1% у GPT-4o та 66,4% у UI-TARS-1.5-7B. Крім того, Fara-7B в середньому потребує лише 16 кроків для виконання завдання, що значно краще, ніж 41 крок у UI-TARS-1.5-7B, досягаючи оптимального балансу між точністю та ефективністю. Fara-7B також впроваджує механізм "критичних контрольних точок", який автоматично призупиняється та запитує підтвердження при зіткненні з особистими даними користувача або незворотними операціями (наприклад, надсилання листів, переказ грошей), і в поєднанні з інтерфейсом взаємодії "Magentic-UI" забезпечує безпечну лінію людсько-машинної співпраці. Дистиляція знань і навчання на прикладах експертів, посилення потенціалу самостійного навчання Fara-7B використовує метод навчання "дистиляції знань", інтегруючи 145 000 успішних прикладів навігації, створених мультиагентною системою Magentic-One, і стискаючи їх для навчання в єдиній моделі. Крім того, базова модель заснована на Qwen2.5-VL-7B, має контекстне вікно до 128 000 токенів, відмінні можливості вирівнювання зображень і тексту, а процес навчання зосереджений на імітації операцій людей-експертів. Microsoft заявляє, що в майбутньому не буде сліпо прагнути до більших моделей, а зосередиться на створенні "менших, розумніших і безпечніших" моделей, і планує впровадити навчання з підкріпленням (RL) для самонавчання в синтетичних середовищах-пісочницях. Вже з відкритим кодом, доступна для вільного тестування комерційного використання, але ще не офіційний продукт Наразі Fara-7B випущена з відкритим кодом за ліцензією MIT і доступна для завантаження на платформах Hugging Face і Microsoft Foundry, дозволяючи комерційне використання. Однак Microsoft також попереджає, що модель ще не відповідає стандартам розгортання в виробничому середовищі і наразі найкраще підходить для розробників для тестування прототипів і перевірки функціональності. Додаткове читання: Google випускає WeatherNext 2, нове покоління ШІ-моделі прогнозування погоди, яка вже використовується в Pixel, пошуку та Gemini Додаткове читання: Дослідники виявили ледачий спосіб запитування, який робить ШІ більш креативним, працює з будь-якою ШІ-моделлю, включаючи ChatGPT і Gemini Додаткове читання: Anthropic представляє малу ШІ-модель Claude Haiku 4.5: лише 1/3 вартості, продуктивність на рівні Sonnet 4, а в програмуванні навіть трохи краща Приєднуйтесь до Facebook-спільноти T客邦Новітня ШІ-модель Microsoft Fara-7B підкреслює локальне виконання та конфіденційність даних, що дозволяє підприємствам використовувати її без побоювань. Fara-7B має відмінну продуктивність, виконує складні завдання за допомогою візуального сприйняття та демонструє безмежний потенціал ШІ-моделей. Microsoft 24 листопада офіційно представила нову ШІ-модель Fara-7B, яка має 7 мільярдів параметрів і позиціонується як "агент використання комп'ютера" (Computer Use Agent, CUA). Вона працює локально без залежності від хмарних обчислень, поєднуючи високу продуктивність із конфіденційністю даних. Орієнтація на безпеку корпоративних даних, підтримка операцій "візуального сприйняття" Основна концепція Fara-7B полягає в задоволенні потреб корпоративних клієнтів щодо конфіденційності та відповідності вимогам при обробці конфіденційної інформації. Завдяки компактності модель може працювати на персональних комп'ютерах, що зменшує затримку та запобігає завантаженню даних у хмару, сприяючи локальній автоматизації, наприклад, для управління внутрішніми обліковими записами та обробки конфіденційних документів. Головною особливістю цієї моделі є взаємодія з веб-сайтами через "перегляд екрана" — вона зчитує макет екрана через знімки екрана, а потім прогнозує дії, такі як клацання мишею, введення тексту чи прокручування. На відміну від традиційних методів, що залежать від структури браузера, Fara-7B повністю базується на даних на рівні пікселів, тому може нормально працювати навіть із веб-сайтами зі заплутаною структурою коду. Менеджер продукту Microsoft Research Яш Лара зазначає, що Fara-7B реалізує так званий "піксельний суверенітет" через локальну обробку візуальних вводів, що дозволяє безпечно використовувати її навіть у високорегульованих галузях, таких як охорона здоров'я та фінанси. Тестова продуктивність перевершує GPT-4o, менша модель ефективніша У тестовому еталоні WebVoyager Fara-7B досягає 73,5% завершення завдань, що перевищує 65,1% у GPT-4o та 66,4% у UI-TARS-1.5-7B. Крім того, Fara-7B в середньому потребує лише 16 кроків для виконання завдання, що значно краще, ніж 41 крок у UI-TARS-1.5-7B, досягаючи оптимального балансу між точністю та ефективністю. Fara-7B також впроваджує механізм "критичних контрольних точок", який автоматично призупиняється та запитує підтвердження при зіткненні з особистими даними користувача або незворотними операціями (наприклад, надсилання листів, переказ грошей), і в поєднанні з інтерфейсом взаємодії "Magentic-UI" забезпечує безпечну лінію людсько-машинної співпраці. Дистиляція знань і навчання на прикладах експертів, посилення потенціалу самостійного навчання Fara-7B використовує метод навчання "дистиляції знань", інтегруючи 145 000 успішних прикладів навігації, створених мультиагентною системою Magentic-One, і стискаючи їх для навчання в єдиній моделі. Крім того, базова модель заснована на Qwen2.5-VL-7B, має контекстне вікно до 128 000 токенів, відмінні можливості вирівнювання зображень і тексту, а процес навчання зосереджений на імітації операцій людей-експертів. Microsoft заявляє, що в майбутньому не буде сліпо прагнути до більших моделей, а зосередиться на створенні "менших, розумніших і безпечніших" моделей, і планує впровадити навчання з підкріпленням (RL) для самонавчання в синтетичних середовищах-пісочницях. Вже з відкритим кодом, доступна для вільного тестування комерційного використання, але ще не офіційний продукт Наразі Fara-7B випущена з відкритим кодом за ліцензією MIT і доступна для завантаження на платформах Hugging Face і Microsoft Foundry, дозволяючи комерційне використання. Однак Microsoft також попереджає, що модель ще не відповідає стандартам розгортання в виробничому середовищі і наразі найкраще підходить для розробників для тестування прототипів і перевірки функціональності. Додаткове читання: Google випускає WeatherNext 2, нове покоління ШІ-моделі прогнозування погоди, яка вже використовується в Pixel, пошуку та Gemini Додаткове читання: Дослідники виявили ледачий спосіб запитування, який робить ШІ більш креативним, працює з будь-якою ШІ-моделлю, включаючи ChatGPT і Gemini Додаткове читання: Anthropic представляє малу ШІ-модель Claude Haiku 4.5: лише 1/3 вартості, продуктивність на рівні Sonnet 4, а в програмуванні навіть трохи краща Приєднуйтесь до Facebook-спільноти T客邦