Fara1.5-4B

מה זה

מיקרוסופט אימנה פה מודל מולטימודלי על בסיס Qwen3.5-4B שמתמקד כולו בהפעלת דפדפן. במקום לחפור במבנה האתר או בעץ הנגישות, הוא מקבל תמונת מסך, מבין איפה האלמנטים יושבים, ומוציא פקודות עכבר ומקלדת עם קואורדינטות מדויקות. חלון ההקשר העצום נועד לאחסן היסטוריה של צילומי מסך קודמים כדי שהסוכן יזכור מה הוא עשה לפני חמישה צעדים.

במבחני ביצועים הוא משיג 80.8 ב־WebVoyager, אבל יורד ל־57.3 ב־Online-Mind2Web ול־27.4 בלבד ב־WebTailBench. המספרים האלה מראים שבמשימות פשוטות הוא מסתדר יפה, אבל ברגע שהאתר מורכב או דורש מסלול ארוך של פעולות, שיעור ההצלחה שלו צונח דרסטית ביחס לגרסאות ה־9B וה־27B של אותה משפחה.

מתאים ל

• אוטומציית מילוי טפסים

  מילוי שדות באתרים פנימיים באנגלית דרך תמונת מסך, בלי צורך לכתוב סקריפטים מותאמים ל־DOM.

• איסוף מידע וחיפוש ברשת

  ניווט עצמאי בין דפי תוצאות ואיסוף פרטים בסיסיים מתוך אתרים שלא מציעים API נוח.

• מודל מיקום לסוכנים אחרים

  תרגום פקודות טקסטואליות לקואורדינטות לחיצה מדויקות ברזולוציית 1440 על 900 עבור מערכות גדולות.

איפה זה נופל

הבעיה המרכזית היא הצטברות שגיאות, לחיצה אחת לא נכונה בתחילת התהליך הורסת בדרך כלל את כל הרצף ומביאה להזיות על מצב הדף. הוא מבוסס ראייה בלבד, כך שהזרקות תוכן בעמודים או עומס גרפי מבלבלים אותו בקלות. בנוסף, הוא אומן באנגלית בלבד. אם תזרקו אותו לאתרים בעברית, הביצועים שלו יפגעו עוד יותר.

אותה משפחה

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

איך מריצים

כדי להריץ אותו דרך vLLM צריך כרטיס מסך שמחזיק משקל של 8.5 גיגה-בייט ועוד מקום לתמונות בזיכרון, כאשר כרטיסי A6000, A100, H100 או B200 נבדקו על ידי המפתחים. מומלץ לעבוד עם רזולוציית מסך של 1440 על 900, כי עליה הוא אומן בעיקר וכל שינוי יפגע בדיוק הלחיצות.

מיקרוסופט דורשת להריץ אותו בתוך מעטפת מבודדת כמו MagenticLite או ה־CLI שלהם, כדי שהדפדפן ירוץ בקונטיינר דוקר בלי גישה לקבצי המחשב. אם אין לכם כרטיס מתאים או סביבת הרצה סגורה ובטוחה, עדיף להשתמש ב־Azure Foundry שבו הוא זמין.

from transformers import pipeline

pipe = pipeline("image-text-to-text", model="microsoft/Fara1.5-4B")
print(pipe("שלום"))

הקבצים

14 קבצים במאגר, 8.5 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• model-00001-of-00002.safetensors6.0 GB
• model-00002-of-00002.safetensors3.1 GB
• tokenizer.json20.0 MB
• vocab.json6.7 MB
• merges.txt3.4 MB
• model.safetensors.index.json66.2 KB
• README.md15.6 KB
• chat_template.jinja7.8 KB
• config.json2.8 KB
• .gitattributes1.6 KB
• processor_config.json1.2 KB
• tokenizer_config.json1.2 KB
• preprocessor_config.json390 B
• generation_config.json116 B

הרישיון

הרישיון הוא MIT, מה שאומר חופש כמעט מוחלט לשימוש מסחרי, שינוי קוד והפצה, כל עוד שומרים על הודעת זכויות היוצרים המקורית. אין כאן הגבלות שימוש של מודלים פתוחים אחרים, ואפשר לשלב אותו במוצרים פרטיים בלי לפתוח את הקוד שלכם.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא בעמוד המודל ↗