Le nouveau modèle d'IA de Microsoft, Fara-7B, met l'accent sur l'exécution locale et la confidentialité des données, permettant aux entreprises de l'utiliser en toute confiance. Fara-7B offre des performances exceptionnelles, accomplissant des tâches complexes grâce à la perception visuelle, démontrant ainsi le potentiel illimité des modèles d'IA. Microsoft a officiellement lancé le 24 novembre son dernier modèle d'IA Fara-7B, un modèle de 7 milliards de paramètres positionné comme un "Agent d'utilisation d'ordinateur" (Computer Use Agent, CUA), conçu pour fonctionner directement en local sans dépendre de la puissance de calcul du cloud, tout en alliant haute performance et confidentialité des données. Axé sur la sécurité des données d'entreprise, avec prise en charge de la "perception visuelle" Le cœur de la conception de Fara-7B vise à répondre aux exigences de confidentialité et de conformité des clients professionnels concernant le traitement des informations sensibles. Grâce à sa conception suffisamment compacte, il peut s'exécuter sur un ordinateur personnel, réduisant non seulement la latence mais évitant également le téléchargement de données vers le cloud, facilitant ainsi l'automatisation locale, par exemple pour la gestion des comptes internes et le traitement de documents confidentiels. La principale caractéristique de ce modèle est son approche d'interaction avec les sites web par "observation d'écran" — il lit la mise en page via des captures d'écran, puis prédit les actions comme les clics de souris, les saisies ou les défilements. Contrairement aux méthodes traditionnelles qui dépendent de la structure du navigateur, Fara-7B fonctionne entièrement sur des données au niveau des pixels, lui permettant de fonctionner normalement même sur des sites web avec une structure de code désordonnée. Yash Lara, chef de produit chez Microsoft Research, explique que Fara-7B traite les entrées visuelles localement, réalisant ce qu'on appelle la "souveraineté des pixels", permettant son utilisation en toute sécurité même dans des industries hautement réglementées comme la santé et la finance. Des performances testées supérieures à GPT-4o, un petit modèle plus efficace Dans les tests de référence WebVoyager, Fara-7B atteint un taux d'achèvement des tâches de 73,5%, supérieur aux 65,1% de GPT-4o et aux 66,4% de UI-TARS-1.5-7B. De plus, Fara-7B ne nécessite en moyenne que 16 étapes pour accomplir une tâche, nettement mieux que les 41 étapes de UI-TARS-1.5-7B, atteignant ainsi un équilibre optimal entre précision et efficacité. Fara-7B introduit également un mécanisme de "points de contrôle critiques" qui suspend automatiquement et demande confirmation lors d'opérations impliquant des données personnelles ou des actions irréversibles (comme l'envoi d'e-mails ou les transferts d'argent), offrant une ligne de défense sécurisée pour la collaboration homme-machine grâce à l'interface "Magentic-UI". Distillation des connaissances et formation par démonstration d'experts, renforçant le potentiel d'apprentissage autonome Fara-7B utilise une méthode de formation par "distillation des connaissances", intégrant 145 000 exemples de navigation réussie générés par le système multi-agents Magentic-One, compressés dans un seul modèle d'apprentissage. De plus, le modèle sous-jacent est basé sur Qwen2.5-VL-7B, avec une fenêtre contextuelle maximale de 128 000 tokens, offrant d'excellentes capacités d'alignement texte-image, la formation étant principalement axée sur l'imitation des opérations d'experts humains. Microsoft indique qu'à l'avenir, plutôt que de poursuivre aveuglément des modèles plus grands, l'entreprise s'efforcera de créer des modèles "plus petits, plus intelligents et plus sûrs", et prévoit d'introduire l'apprentissage par renforcement (RL) pour l'auto-formation dans des environnements sandbox synthétiques. Déjà open source et disponible, utilisable librement pour des tests commerciaux mais pas encore un produit officiel Actuellement, Fara-7B est disponible en open source sous licence MIT, téléchargeable sur Hugging Face et la plateforme Microsoft Foundry, et autorisé pour les applications commerciales. Cependant, Microsoft rappelle que le modèle n'a pas encore atteint les normes de déploiement en environnement de production et convient principalement aux développeurs pour les tests de prototypes et la validation de fonctionnalités. Lecture complémentaire : Google lance WeatherNext 2, un nouveau modèle d'IA de prévisions météorologiques, disponible en premier sur Pixel, Search et Gemini Lecture complémentaire : Des chercheurs découvrent une méthode de questionnement simple pour rendre l'IA plus créative, applicable à tous les modèles d'IA comme ChatGPT et Gemini Lecture complémentaire : Anthropic présente Claude Haiku 4.5, un petit modèle d'IA : seulement 1/3 du coût, des performances comparables à Sonnet 4, et même légèrement supérieures en programmation Rejoignez la page Facebook de T客邦Le nouveau modèle d'IA de Microsoft, Fara-7B, met l'accent sur l'exécution locale et la confidentialité des données, permettant aux entreprises de l'utiliser en toute confiance. Fara-7B offre des performances exceptionnelles, accomplissant des tâches complexes grâce à la perception visuelle, démontrant ainsi le potentiel illimité des modèles d'IA. Microsoft a officiellement lancé le 24 novembre son dernier modèle d'IA Fara-7B, un modèle de 7 milliards de paramètres positionné comme un "Agent d'utilisation d'ordinateur" (Computer Use Agent, CUA), conçu pour fonctionner directement en local sans dépendre de la puissance de calcul du cloud, tout en alliant haute performance et confidentialité des données. Axé sur la sécurité des données d'entreprise, avec prise en charge de la "perception visuelle" Le cœur de la conception de Fara-7B vise à répondre aux exigences de confidentialité et de conformité des clients professionnels concernant le traitement des informations sensibles. Grâce à sa conception suffisamment compacte, il peut s'exécuter sur un ordinateur personnel, réduisant non seulement la latence mais évitant également le téléchargement de données vers le cloud, facilitant ainsi l'automatisation locale, par exemple pour la gestion des comptes internes et le traitement de documents confidentiels. La principale caractéristique de ce modèle est son approche d'interaction avec les sites web par "observation d'écran" — il lit la mise en page via des captures d'écran, puis prédit les actions comme les clics de souris, les saisies ou les défilements. Contrairement aux méthodes traditionnelles qui dépendent de la structure du navigateur, Fara-7B fonctionne entièrement sur des données au niveau des pixels, lui permettant de fonctionner normalement même sur des sites web avec une structure de code désordonnée. Yash Lara, chef de produit chez Microsoft Research, explique que Fara-7B traite les entrées visuelles localement, réalisant ce qu'on appelle la "souveraineté des pixels", permettant son utilisation en toute sécurité même dans des industries hautement réglementées comme la santé et la finance. Des performances testées supérieures à GPT-4o, un petit modèle plus efficace Dans les tests de référence WebVoyager, Fara-7B atteint un taux d'achèvement des tâches de 73,5%, supérieur aux 65,1% de GPT-4o et aux 66,4% de UI-TARS-1.5-7B. De plus, Fara-7B ne nécessite en moyenne que 16 étapes pour accomplir une tâche, nettement mieux que les 41 étapes de UI-TARS-1.5-7B, atteignant ainsi un équilibre optimal entre précision et efficacité. Fara-7B introduit également un mécanisme de "points de contrôle critiques" qui suspend automatiquement et demande confirmation lors d'opérations impliquant des données personnelles ou des actions irréversibles (comme l'envoi d'e-mails ou les transferts d'argent), offrant une ligne de défense sécurisée pour la collaboration homme-machine grâce à l'interface "Magentic-UI". Distillation des connaissances et formation par démonstration d'experts, renforçant le potentiel d'apprentissage autonome Fara-7B utilise une méthode de formation par "distillation des connaissances", intégrant 145 000 exemples de navigation réussie générés par le système multi-agents Magentic-One, compressés dans un seul modèle d'apprentissage. De plus, le modèle sous-jacent est basé sur Qwen2.5-VL-7B, avec une fenêtre contextuelle maximale de 128 000 tokens, offrant d'excellentes capacités d'alignement texte-image, la formation étant principalement axée sur l'imitation des opérations d'experts humains. Microsoft indique qu'à l'avenir, plutôt que de poursuivre aveuglément des modèles plus grands, l'entreprise s'efforcera de créer des modèles "plus petits, plus intelligents et plus sûrs", et prévoit d'introduire l'apprentissage par renforcement (RL) pour l'auto-formation dans des environnements sandbox synthétiques. Déjà open source et disponible, utilisable librement pour des tests commerciaux mais pas encore un produit officiel Actuellement, Fara-7B est disponible en open source sous licence MIT, téléchargeable sur Hugging Face et la plateforme Microsoft Foundry, et autorisé pour les applications commerciales. Cependant, Microsoft rappelle que le modèle n'a pas encore atteint les normes de déploiement en environnement de production et convient principalement aux développeurs pour les tests de prototypes et la validation de fonctionnalités. Lecture complémentaire : Google lance WeatherNext 2, un nouveau modèle d'IA de prévisions météorologiques, disponible en premier sur Pixel, Search et Gemini Lecture complémentaire : Des chercheurs découvrent une méthode de questionnement simple pour rendre l'IA plus créative, applicable à tous les modèles d'IA comme ChatGPT et Gemini Lecture complémentaire : Anthropic présente Claude Haiku 4.5, un petit modèle d'IA : seulement 1/3 du coût, des performances comparables à Sonnet 4, et même légèrement supérieures en programmation Rejoignez la page Facebook de T客邦