Fara-7B — это новая компактная система искусственного интеллекта, разработанная для автоматизации интерфейсов, используя исключительно визуальный ввод. Несмотря на свои небольшие размеры, она способна конкурировать с более мощными решениями, функционируя локально на устройствах пользователей. Основанная на Qwen2.5-VL-7B от Alibaba, модель, по утверждению Microsoft, обрабатывает только визуальные данные, анализируя скриншоты интерфейса и предсказывая координаты кликов и нажатия клавиш. При этом система учитывает три последних скриншота, историю действий и пользовательский ввод. Имея 7 миллиардов параметров, Fara-7B демонстрирует высокую производительность при низкой задержке, что также повышает уровень конфиденциальности данных. Microsoft решила проблему нехватки обучающих данных, используя синтетический конвейер на платформе Magentic-One, создавая около 145 000 успешных сценариев для обучения модели. Результаты внутренних тестов показывают, что Fara-7B достигла 73,5% успешности в тесте WebVoyager, что превышает показатели конкурентов. Среднее количество шагов на выполнение задач составляет 16, тогда как для аналогичных решений требуется 41 шаг. Делегируйте рутинные задачи с BotHub и получите 100 000 бесплатных токенов для начала работы!