O Fara-7B é um modelo agêntico que executa tarefas complexas de forma autônoma, utilizando dados sintéticos e capturas de tela, com ênfase em segurança e privacidade do usuário em ambientes isolados, demonstrando alta eficiência em benchmarks de desempenho.
A Microsoft anunciou um avanço significativo na automação digital com o lançamento do Fara-7B, um Modelo Agente de Linguagem Pequena (SLM) que está redefinindo o conceito de assistente digital. Classificado como um Agente de Uso de Computador (CUA), o modelo se distingue por sua capacidade de executar ações diretas na interface do computador em nome do usuário, “enxergando” a tela por meio de capturas visuais para tomar decisões de rolagem, digitação ou clique.
Agente de IA para uso em computador
A Microsoft anunciou o Fara-7B, um Modelo Agente de Linguagem Pequena (SLM) que representa um avanço significativo na automatização de tarefas digitais.
Projetado como um Agente de Uso de Computador (CUA), este modelo ultracompacto se distingue dos assistentes de linguagem tradicionais por sua capacidade de executar ações diretas na interface do computador em nome do usuário.
O foco principal do Fara-7B é a eficiência e a escalabilidade. Com apenas 7 bilhões de parâmetros, ele é um modelo leve, otimizado para ser executado diretamente no dispositivo (on-device).
Essa característica é crucial, pois reduz drasticamente a latência e aprimora a privacidade, uma vez que os dados de interação do usuário permanecem locais e não são enviados para a nuvem.
Apesar de seu tamanho, o Fara-7B alcança um desempenho de ponta em sua classe, rivalizando com agentes muito maiores e que exigem mais recursos computacionais.
O que habilita o Fara-7B a agir é sua abordagem de interação visual. O modelo opera percebendo capturas de tela do navegador e tomando decisões de ação (como rolar, digitar ou clicar) com base no que está visível.
Ele não depende de informações auxiliares, como árvores de acessibilidade, interagindo com a interface da mesma maneira que um humano. O Fara-7B também foi projetado com mecanismos de transparência e controle do usuário em mente.
Basicamente, o modelo é treinado para reconhecer e parar em “Pontos Críticos” (momentos que exigem dados pessoais ou consentimento para ações irreversíveis) para solicitar a aprovação do usuário antes de prosseguir. Esta abordagem visa manter a supervisão humana no centro das operações do agente.
Fara-7B é treinado com dados sintéticos
A Microsoft detalhou o processo de desenvolvimento do Fara-7B, destacando o uso de geração sintética de dados em larga escala para treinar o novo agente de inteligência artificial.
A equipe adotou uma pipeline capaz de criar cenários completos de navegação a partir de URLs públicas, incluindo tarefas típicas do uso cotidiano da web, como compras, reservas e consultas diversas.
Essas tarefas são executadas por um sistema multiagente que simula ações reais no navegador, produzindo sequências de interação que servem como demonstrações para o treinamento.
Cada trajetória gerada passa por verificações automáticas para garantir que a tarefa foi concluída corretamente e que os dados podem ser utilizados sem comprometer a qualidade do modelo.
Com esse conjunto massivo de dados validados, a Microsoft treinou o Fara-7B para operar computadores de forma autônoma, prevendo ações com base apenas em capturas de tela.
O modelo foi ensinado a seguir ciclos de observação, raciocínio e ação, reconhecendo elementos visuais da interface e executando comandos como cliques, digitação e navegação entre páginas.
A base do treinamento foi o Qwen2.5-VL-7B, escolhido pela capacidade de lidar com contextos mais longos e ancoragem precisa de elementos na tela.
Ao final do processo, o agente acumulou 145 mil trajetórias e cerca de um milhão de passos de demonstração, o que lhe permite desempenhar desde tarefas simples de navegação até interações complexas em sistemas corporativos.
A Microsoft afirma que esse método de treinamento torna o Fara-7B mais leve, eficiente e capaz de funcionar em dispositivos com recursos limitados.
O modelo foi lançado como uma prévia de pesquisa experimental e está disponível em código aberto (open-weight) sob licença MIT, incentivando a comunidade de IA a explorar e aprimorar a tecnologia CUA.
Uma versão otimizada também já foi disponibilizada para os Copilot+ PCs com Windows 11. A Microsoft Research enfatiza o uso responsável, dado que agentes com capacidade de ação trazem desafios de segurança.