Ai总结： 微软研究院发布小型开源智能体模型Fara1.5，其在多项基准测试中超越OpenAI与谷歌闭源方案。该模型基于Qwen3.5微调，全量权重公开，支持自主部署，并通过创新训练流程实现任务执行效率跃升。

微软推出开源智能体Fara1.5：性能超越闭源巨头

设想一种场景：只需下达指令，让计算机自动搜索度假租赁信息，跨平台比价、填写表单并最终锁定离海最近的房源。你无需动手，仅需起身冲杯咖啡，归来时所有流程已由智能体完成——这正是浏览器智能体所描绘的未来图景。

闭源方案遇挑战，开源新星崛起

OpenAI于2025年初推出的Operator服务曾被视为行业标杆，但其后并入ChatGPT智能体并于同年8月停用。谷歌则以Gemini 2.5的计算机使用功能作为云端替代方案。两者均采用闭源架构，依赖高昂云资源，限制了广泛部署。

本周，微软研究院发布全新轻量级模型系列Fara1.5，其在核心任务表现上全面超越上述闭源产品，标志着开源路径的实质性突破。

三档参数配置，全量权重开放可部署

Fara1.5系列包含40亿、90亿与270亿参数版本，均基于阿里巴巴Qwen3.5基础模型进行针对性微调，专精于浏览器交互任务。所有模型权重均已公开，支持用户在本地或私有环境中运行。

参数规模直接关联模型的知识容量与泛化能力，而此次发布的版本在相近体量下展现出显著性能跃升。

从零重构开发范式，实现智能体能力跃迁

团队提出根本性命题：如何让小型模型真正胜任复杂智能体任务？答案在于全生命周期协同优化——数据生成、训练目标、模型架构与协作机制必须同步革新，而非局部调优。

核心评估基准Online-Mind2Web涵盖136个真实热门网站上的300项多样化任务，包括价格比较、表单填写与预约服务等，以动态网络环境下任务完成率作为唯一评分标准。

Fara1.5-27B取得72%的正确率，大幅领先于OpenAI Operator的58.3%与谷歌Gemini 2.5的57.3%。即便中等规模的Fara1.5-9B也达到63.4%，超越两大闭源系统。

对比开源竞品：阿里巴巴的GUI-Owl-1.5（80亿参数）仅得48.6%；AI2的MolmoWeb为35.3%；前代Fara-7B仅为34.1%——新版本在相似规模下性能近乎翻倍。

实时任务成功率再创新高

在衡量动态网页操作稳定性的WebVoyager基准中，Fara1.5-27B以88.6%得分略胜OpenAI Operator的87.0%，并击败300亿参数的Holo2模型（83.0%），展现更强鲁棒性。

训练体系革新：借力对手打造自身优势

核心技术突破源自名为FaraGen1.5的数据生成系统。该系统利用OpenAI GPT-5.4作为“教师智能体”，演示完整任务流程，其行为轨迹转化为高质量训练数据。本质上，是用竞争对手最强模型来训练开源替代品。

团队还构建六套功能完整的仿真实网站环境，覆盖邮箱、日历、交易平台等场景，使模型可在无风险前提下练习登录、发送邮件、预订航班等敏感操作，有效提升对受限任务的处理能力。

所有关键操作均设置暂停确认机制。微软研究院高级项目经理强调：“在保障用户控制权与维持操作流畅性之间取得平衡至关重要。”Magentic-UI交互界面提供干预节点，防止用户陷入审批疲劳。

这一设计呼应了OpenAI早期警告：授权智能体访问网站可能带来账户信息泄露等风险。

Fara1.5的所有执行均在MagenticLite沙箱浏览器中进行，每一步操作均可被记录并随时中断，确保安全可控。

开放生态构建竞争壁垒

当前浏览器智能体市场格局激烈：谷歌嵌入Chrome的Gemini、Perplexity的Comet、Anthropic的Claude Chrome版相继登场。而Fara1.5的核心差异在于其彻底开放——模型权重、推理代码均在GitHub开源，支持用户自建硬件部署。

Fara1.5-9B已上线Azure AI Foundry，40亿与270亿版本即将发布。微软表示，未来将把该技术延伸至桌面应用与企业级软件自动化领域，推动智能体从网页走向更广应用场景。