微软开源的 Fara-7B 模型，是一个能直接在 Windows 11 本地运行的 AI，它通过理解屏幕截图来操控鼠标和键盘，执行多步骤任务。这项技术将大型语言模型的潜力带入桌面应用，在提升自动化效率的同时，也更好地保障了用户隐私。
智能速览
微软开源 70 亿参数 AI 模型 Fara-7B。
可在 Win11 本地运行，直接操控鼠标键盘。
支持截图理解，执行多步骤网页自动化任务。
性能超越同级模型，可与 GPT-4o 竞争。
目前仍为实验性项目，复杂任务准确度待提升。
精华内容
AI 不再只会聊天，而是要成为你的数字双手。Fara-7B 的出现，让人们看到了 AI 代理从概念走向桌面应用的真正可能性。
小而精悍
Fara-7B 是一个仅有 70 亿参数的轻量级模型，但其设计目标非常明确：成为能直接在电脑上运行的“操作员”。得益于其小巧的体积，它可以在 Windows 11 上实现本地化部署，无需联网即可运行，这为用户数据隐私提供了坚实保障。模型还针对 NPU 进行了加速优化，确保了在实际操作中的低延迟响应，让自动化任务的执行更为流畅。
超越点击的“视界”
与传统的自动化脚本不同，Fara-7B 依靠“看”屏幕截图来理解和操作界面。它能够识别按钮、输入框、菜单等视觉元素，并据此执行点击、输入文本、滚动页面等一系列动作。
这种基于视觉的交互方式使其能够处理复杂的网页任务，甚至完成跨越多个应用的连续操作，而无需依赖开发者预设的接口或可访问性树。
实测性能表现
在多项基准测试中，Fara-7B 展现了超越其参数规模的性能。在 WebVoyager 这一衡量 AI 代理网页操作能力的权威测试中，其任务通过率达到了 62%。这一成绩不仅领先于同级别开源模型 UI-TARS-1.5-7B，甚至可以与闭源的顶级模型 GPT-4o 相媲美，证明了其在真实世界任务中的巨大潜力。
如何获取与展望
目前，Fara-7B 已在 Hugging Face 平台和 Microsoft Foundry 上开源，采用 MIT 许可证，开发者和研究者可以自由使用。通过 VSCode AI Toolkit 即可轻松下载体验。同时，微软也预告了专为 Copilot+ PC 优化的版本即将推出。
不过需要明确的是，该项目仍处于实验阶段，微软也坦言，其在处理复杂任务时的准确性仍有待进一步提升。
Fara-7B 的开源，是 AI 代理从云端走向终端的重要一步，它让普通人离拥有一个“AI 助手”更近了。尽管前路仍有挑战，但这项技术无疑为自动化办公和个性化人机交互打开了新大门。当 AI 能真正操作电脑时，我们的工作与生活方式会发生怎样的改变？
