GPT
הוספת כלי
F

Fara1.5-27B

קוד פתוח

microsoftmit2026-07-17

  • transformers
  • safetensors
  • qwen3_5
  • image-text-to-text
  • computer-use

microsoft עומדים גם מאחורי Sho, ויש עליו סקירה כאן.

סוכן שמנווט בדפדפן דרך צילומי מסך בלבד ומחזיר קואורדינטות קליק וטקסט. הוא מתאים למי שרוצה אוטומציה מבוססת ראייה בלי תלות ב־DOM של האתר.

  • 27Bפרמטרים
  • 262,144טוקנים בהקשר
  • 51.0 GBמשקל הקבצים
  • 1,567הורדות בחודש

מה זה

מיקרוסופט אימנה פה גרסה של Qwen3.5-27B לביצוע משימות דפדפן מקצה לקצה, החל ממילוי טפסים ועד קניות. הוא לא קורא את קוד ה־HTML או את עץ הנגישות, אלא מקבל תמונה של העמוד, מפעיל שרשרת חשיבה ופולט פעולות כלי כמו לחיצה על פיקסל, גלילה או הקלדה. חלון ההקשר העצום מאפשר לו להחזיק היסטוריה ארוכה של עשרות צילומי מסך וצעדים קודמים.

במבחני ביצועים הוא עוקף את הגרסאות הקטנות של הסדרה, עם 89.3 ב־WebVoyager ו־72.3 ב־Online-Mind2Web. עם זאת, במבחן המורכב WebTailBench הוא מגיע ל־40.2 אחוזי הצלחה בלבד, מה שממחיש שמשימות רב-שלביות מסובכות עדיין נכשלות ברוב המקרים.

מתאים ל

  • אוטומציית טפסים בדפדפן

    מילוי נתונים וניווט באתרים חיצוניים ללא API, כל עוד המשתמש מאשר פעולות רגישות.

  • חיזוי קואורדינטות קליק

    מודל תשתית לסוכנים אחרים שצריכים לתרגם צילום מסך של ממשק למיקום לחיצה מדויק בפיקסלים.

  • איסוף מידע רב-שלבי

    חיפוש ומעבר בין דפים תוך שמירת היסטוריית תמונות ארוכה בחלון הקשר נרחב.

איפה זה נופל

האימון כולו נעשה באנגלית בלבד, כך שדפי אינטרנט בעברית או שימוש בממשקים מקומיים יגרמו לירידה באיכות הפעולה. בנוסף, הסתמכות על ראייה בלבד חושפת את המודל להזרקות הוראות ששתולות בעיצוב האתר, לטעויות ברינדור ולבלבול באלמנטים גרפיים דומים. שגיאה אחת בלחיצה בתחילת הדרך מצטברת והורסת את כל רצף הפעולות, והתוצאות אינן עקביות בין הרצות שונות של אותה משימה.

אותה משפחה

Fara1.5 יצא ב־3 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

Fara1.5-9B3,698 Fara1.5-4B1,411

שאלות
נפוצות

האם אפשר להריץ אותו ישירות על הדפדפן שלי בלי דוקר?

הכרטיס אוסר על כך מפורשות משיקולי אבטחה. המודל עלול להקליק על קישורים זדוניים או לגשת למידע פרטי, ולכן חובה להריץ אותו בסביבה מבודדת עם רשימת אתרים מורשים.

האם הוא מתאים לביצוע רכישות אוטומטיות בכרטיס אשראי?

לא באופן עצמאי לחלוטין. הוא אומן לעצור ולבקש אישור אנושי לפני הזנת פרטי תשלום או ביצוע פעולות בלתי הפיכות, כדי למנוע נזק כספי.

למה שהמודל יפספס כפתור ברור באתר?

מכיוון שהוא פועל רק על בסיס פיקסלים ולא קורא את מבנה הקוד, שינויי רזולוציה או אלמנטים גרפיים מבלבלים עלולים להסיט את הלחיצה שלו מהיעד.

איך מריצים

כדי להריץ מודל של 27 מיליארד פרמטרים ב־bfloat16 צריך לפחות 51 ג'יגה-בייט של זיכרון וידאו רק למשקלים, ועוד תוספת נכבדה לחלון ההקשר הגדול ולתמונות. בפועל דרושים לפחות שני כרטיסים ברמה של A100, H100 או A6000 כדי לחלק את העומס ב־vLLM.

מיקרוסופט מכוונת להרצה בתוך סביבת MagenticLite בתוך קונטיינר מבודד ולא על המחשב האישי, ודורשת רזולוציית מסך של 1440 על 900 שעליה הוא אומן. אם אין לכם אשכול שרתים ייעודי, עדיף להשתמש בנקודת הקצה ב־Azure Foundry במקום לקנות חומרה כבדה.

from transformers import pipeline

pipe = pipeline("image-text-to-text", model="microsoft/Fara1.5-27B")
print(pipe("שלום"))

הקבצים

22 קבצים במאגר, 51.0 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

רישיון MIT מאפשר שימוש חופשי, כולל שינוי הקוד, הטמעה במוצרים מסחריים והפצה מחדש. התנאי היחיד הוא שמירת הודעת זכויות היוצרים המקורית של מיקרוסופט בתוך הקבצים.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש

הרישיון המלא בעמוד המודל ↗