夜雨聆风前言
微软 Research AI Frontiers 团队在 2026 年 5 月推出了一套完全开源的电脑操作 Agent 模型家族—— Fara1.5 。
这套模型一口气提供了 4B 、 9B 和 27B 三种不同的参数规模，全部都采用 MIT 许可证对外开源，模型权重直接托管在 HuggingFace 上。
其中，实力最强的 Fara1.5-27B 在 Online-Mind2Web 跑分测试里拿到了 72.3% 的超高成功率，直接把 OpenAI Operator 的 58.3% 以及 Google Gemini 2.5 Computer Use 的 57.3% 给比了下去。
详细介绍
谁能想到，一个参数量只有 27B 的小模型，居然在网页操作任务上干掉了那些闭源的商用大模型！
纯视觉操作，根本不看源代码
Fara1.5 的运行逻辑非常直观：
模型只需要接收浏览器的屏幕截图和之前的对话历史，经过一番推理之后，就能直接输出鼠标和键盘的动作指令，比如在预测好的坐标位置上点一下、滚动页面或者是敲键盘打字。
整套流程完全不需要依赖 accessibility tree （无障碍树状结构），也不用靠额外的解析模型把网页转换成结构化数据。
说白了，这模型就是直接看像素画面，然后再输出对应的动作坐标。
它的动作空间相当全面，不仅涵盖了标准的鼠标和键盘输入，还包含了网页搜索、上下文管理这些 meta 动作。
模型能把某些关键事实记在脑子里供后续步骤使用，遇到信息不全时，还会主动开口发问。
在每一个操作步骤中，模型最多参考最近的三张截图，然后输出一个动作，以此形成“观察、思考、行动”的循环。
另外，损失函数只作用在每个操作轨迹的最后三个步骤上，这样能让模型的训练更加集中于最近的决策节点，而不是死磕很久以前的历史记录。
这种纯视觉方案最大的优势在于通用性。
跟那些依赖 DOM 树或者 accessibility tree 的方案不一样， Fara1.5 看到的画面和人类在屏幕上看到的一模一样，它的操作逻辑完全不受限于特定的网页框架或前端技术。
不管网站用的是 React 、 Vue 还是老旧的服务器端渲染，在模型眼里都只是一个个像素点而已。
不过这么做也有代价，那就是推理成本相对高一些：
毕竟每走一步都得处理一张完整的截图，所以 27B 模型在生成单个动作时的耗时，肯定会比那些轻量级的 DOM 解析方案明显更长。
三种尺寸，各自分工明确
Fara1.5 家族是基于 Qwen3.5 架构打造的，针对不同的成本和性能需求推出了三个版本：
Fara1.5-4B ：最小的版本，在 WebVoyager 跑分测试中达到了 80.8% 的成功率。
Fara1.5-9B ：中等身材的版本， Online-Mind2Web 成功率达到 63.4% ， WebVoyager 达到 86.6% 。在同量级的模型里，成功干掉了 MolmoWeb 8B 、 GUI-Owl-1.5 8B 以及 Holo2 8B 等一众对手。
Fara1.5-27B ：体量最大的版本， Online-Mind2Web 成功率高达 72.3% ， WebVoyager 更是达到了 88.6% 。
要知道， Online-Mind2Web 包含了 136 个热门网站上的 300 项复杂任务，是目前评估浏览器 Agent 的权威标准。
Fara1.5-27B 跑出的 72.3% 成功率，几乎是它前身 Fara-7B （ 34.1% ）的两倍之多。
在安全和交互方面， Fara1.5 被训练成会在三种情况下停下来询问：
一是任务需要用到未提供的个人信息；
二是任务描述含糊不清或者有遗漏；
三是准备执行无法撤销的操作但还没拿到批准。
此外，模型还需要搭配 MagneticLite 沙盒浏览器来跑，所有操作都会有日志记录方便后续审计，这个沙盒也充当了模型与个人设备之间的安全防火墙。
其实 Fara1.5 并不是微软在电脑操作 Agent 领域的头一次尝试。
早在 2025 年 11 月，微软就发布过 Fara-7B，一个只有 7B 参数的模型，当时就在部分测试里打平了 GPT-4o ，而且平均只要 16 步就能搞定任务，远优于 UI-TARS 的 41 步。
当时 Fara-7B 的模型体积是 16.6GB ，可以直接在普通 PC 上本地跑，数据完全不用传到外面。
至于实际怎么用， Fara1.5 既能通过命令行工具 fara-cli 来驱动，也能整合到 Magnetic-UI 沙盒环境里去跑。
部署方式也很灵活，可以直接从 Microsoft Foundry 获取模型端点，配上 JSON 配置文件、填写端点 URL 和 API 密钥就能启动。
如果不愿意用云端，大家也能直接从 HuggingFace 拿权重，在本地用 vLLM 等推理框架自己托管，全程完全不依赖任何云端服务。
Fara1.5 HuggingFacehttps://huggingface.co/microsoft/Fara1.5-27B
开源 AI Agent 的格局对决
在电脑操作 Agent 这条赛道上， OpenAI 走的是封闭 API 路线， Operator 只能付费通过接口调用；
Google 的 Gemini 2.5 Computer Use 也一样死死绑定在自家云端服务上。
而微软却选择把 Fara1.5 的权重通过 MIT 许可全面开源，任何人都能直接去 HuggingFace 下载并在本地部署，完全不用看云端 API 的脸色。
想省事的话，也可以选择通过 Microsoft Foundry 来托管运行。
不过， Fara1.5 也不是完全没有短板。
在针对长尾任务的 WebTailBench v1.5 测试中， Fara1.5-9B 的成功率只有 32.3% ，而 GPT-5.4 达到了 57.4% 。
这说明在面对极其罕见的网页操作场景时，大型商用模型依然保有不小的优势。
另外，微软目前把 Fara1.5 定位为研究预览版本（ research preview ），距离真正能直接投产放到实际生产环境里，其实还有一段路要走。
为小妹转发和点赞
如果您喜欢小妹的分享，请点击文章末尾的点赞、分享、在看，这对您来说不会花费太多时间，但是对小妹的成长有很大的帮助，谢谢您的支持！
