GPT
הוספת כלי
F

Fara1.5-9B

קוד פתוח

microsoftmit2026-05-12

  • 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 פעולות עכבר ומקלדת עם קואורדינטות מדויקות. הוא מתאים למי שרוצה אוטומציה מורכבת של אתרים בלי לגעת ב־DOM או להסתמך על עצי נגישות.

  • 9.4Bפרמטרים
  • 262,144טוקנים בהקשר
  • 17.6 GBמשקל הקבצים
  • 3,698הורדות בחודש

מה זה

מיקרוסופט אימנו את המודל על בסיס Qwen3.5-9B במטרה לבצע משימות רשת מקצה לקצה, כמו מילוי טפסים, הזמנות וחיפוש מידע. במקום לקרוא את קוד האתר, המודל מקבל צילומי מסך ברזולוציה מועדפת של 1440 על 900, מנתח את התמונה, ופולט פקודות מובנות בבלוקי XML שמגדירים איפה ללחוץ, מה להקליד ומתי לגלול. זיכרון העבודה של 262 אלף טוקנים מאפשר לו לשמור רצף ארוך של צילומי מסך והחלטות קודמות לאורך הדרך.

במבחני ביצועים הוא עומד על 86.6 ב־WebVoyager ו־63.4 ב־Online-Mind2Web, תוצאות שמציבות אותו מעל גרסת ה־4B וקרוב יחסית לגרסת ה־27B. יחד עם זאת, במבחן המשימות המורכבות של WebTailBench הוא מגיע להצלחה של 32.3 בלבד. זה אומר שכאשר משימה כוללת נתיבים ארוכים, לא צפויים ומסובכים, הוא עדיין נכשל ברוב הניסיונות, מה שמחייב השגחה אנושית צמודה ברקע.

מתאים ל

  • מילוי טפסים רב־שלביים

    הוא מזהה שדות קלט ישירות מהמסך, מקליד נתונים ועוצר לבקש אישור לפני שליחה סופית.

  • הזמנת כרטיסים ומלונות

    ניווט גמיש בין אתרי נסיעות וממשקי לוח שנה מורכבים בלי תלות במבנה ה־DOM של האתר.

  • חיזוי קואורדינטות לסוכנים

    משמש כמודל משני שממיר צילומי מסך לנקודות לחיצה מדויקות עבור מערכות אוטומציה קיימות.

איפה זה נופל

המודל אומן באנגלית בלבד ואינו תומך בשפות אחרות, כך שכל ניסיון להפעיל אותו על ממשקים בעברית יסבול מאיכות ירודה וטעויות זיהוי. הוא רואה רק תמונות, ולכן פגיע להזרקות הוראות זדוניות שמוטמעות בתוך טקסטים בדפי אינטרנט, כמו גם לרכיבי ממשק מטושטשים או עיצובים מטעים. שגיאת לחיצה אחת בשלב מוקדם מצטברת בדרך כלל לכישלון מוחלט של כל הרצף, ויש שונות גדולה בתוצאות בין הרצות שונות של אותה פעולה.

אותה משפחה

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

Fara1.5-27B1,567 Fara1.5-4B1,411

שאלות
נפוצות

האם המודל מסוגל להתמודד עם אתרים בעברית?

הוא אומן אך ורק על נתונים באנגלית, ולכן התיעוד מגדיר שפות אחרות מחוץ לטווח השימוש המיועד. באתרים מקומיים או מול תוכן בעברית הוא צפוי לפספס אלמנטים, לקרוא טקסט בצורה שגויה ולהיכשל בפעולות בסיסיות.

האם בטוח לתת לו להריץ משימות שכוללות תשלום או התחברות לחשבונות?

הוא אומן במפורש לעצור ולבקש אישור לפני פעולות בלתי הפיכות כמו הזנת פרטי אשראי או שליחת טפסים. יחד עם זאת, אסור להריץ אותו ללא בידוד מלא בקונטיינר וללא אפשרות של מפעיל אנושי לעצור את התהליך בכל רגע.

איך מריצים

המודל שוקל 17.6 גיגה בייט ומיועד להרצה בספריות transformers ו־vLLM עם תמיכה ב־bfloat16. כדי להריץ אותו יחד עם היסטוריית תמונות כבדה תצטרכו מאיץ גרפי חזק עם מספיק זיכרון, דוגמת A100, A6000 או H100. הוא מיועד לעבוד ישירות בתוך סביבות כמו MagenticLite או ה־CLI של fara, שמריצות את הדפדפן בתוך קונטיינר מבודד.

אם אין לכם שרת ייעודי עם חומרה ברמה הזו, או שאתם לא רוצים לנהל סביבת Docker מבודדת שמצלמת מסכים ומזריקה פקודות, עדיף להשתמש בנקודת הקצה שמפורסמת ב־Azure Foundry במקום להרים תשתית עצמאית.

from transformers import pipeline

pipe = pipeline("image-text-to-text", model="microsoft/Fara1.5-9B")
print(pipe("שלום"))

הקבצים

17 קבצים במאגר, 17.6 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

המודל שוחרר ברישיון MIT, שמאפשר שימוש מסחרי, שינוי קוד והפצה חופשית כמעט ללא הגבלות, למעט שמירה על הודעת זכויות היוצרים המקורית. אתם רשאים לשלב אותו במוצרים פרטיים או מסחריים בלי לשלם תמלוגים ובלי חובה לפתוח את הקוד שלכם.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש

הרישיון המלא בעמוד המודל ↗