更多动态
微软开源 Fara-7B，用 70 亿参数在网页操作任务上反超 GPT-4o，这是真正能「看懂」屏幕并替你干活的本地化方案。 原理不复杂：它不像传统脚本那样去扒网页代码（DOM），而是像人一样通过「视觉识别」屏幕截图，直接规划并模拟鼠标点击、键盘输入。 🔹 效能怪兽：在 WebVoyager 基准测试中，Fara-7B 以 73.5% 的成功率击败了 GPT-4o (65.1%)。且平均只需 16 步就能完成任务（竞品需 41 步），大幅降低了 Token 消耗和时间成本。 🔹 像素主权 (Pixel Sovereignty)：这是个必须关注的新概念。所有截图和推理全在本地运行，填表、查账、订票等涉及隐私的操作不出设备。 🔹 部署门槛：基于 Qwen2.5-VL-7B 微调，支持 128k 上下文。完整版显存需求约 16.6GB，Win11 Copilot+ PC 可直接调用 NPU 硬件加速。 MIT 协议开源，开发者现在就能去 Hugging Face 下载。比起云端 API，这种「所见即所得」的本地代理才是个人电脑自动化的未来。 Hugging Face: https://huggingface.co/microsoft/Fara-7B #AIAgent #本地部署 #Fara7B #自动化工作流
和Gemini3相比，你更喜欢哪个？
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
