Microsofts neuestes KI-Modell Fara-7B betont lokale Ausführung und Datenschutz, sodass Unternehmen es bedenkenlos nutzen können. Fara-7B bietet hervorragende Leistung, führt komplexe Aufgaben durch visuelle Wahrnehmung aus und zeigt das unbegrenzte Potenzial von KI-Modellen. Microsoft hat am 24.11. offiziell das neueste KI-Modell Fara-7B vorgestellt, ein Modell mit 7 Milliarden Parametern, das als "Computer Use Agent" (CUA) positioniert wird. Es kann direkt lokal ausgeführt werden, ohne auf Cloud-Rechenleistung angewiesen zu sein, und bietet gleichzeitig hohe Leistung und Datenschutz. Fokus auf Unternehmensdatensicherheit, Unterstützung für "visuelle Wahrnehmung" Der Kerngedanke von Fara-7B liegt darin, die Anforderungen von Unternehmenskunden an Datenschutz und Compliance bei der Verarbeitung sensibler Informationen zu erfüllen. Da das Modell ausreichend schlank ist, kann es auf einem PC ausgeführt werden, was nicht nur die Latenz reduziert, sondern auch verhindert, dass Daten in die Cloud hochgeladen werden müssen. Dies unterstützt lokale Automatisierung, beispielsweise für internes Kontomanagement und die Verarbeitung vertraulicher Dokumente. Das Hauptmerkmal dieses Modells ist die Interaktion mit Websites durch "Bildschirmbetrachtung" - es liest Screenshots, um das Layout zu erfassen und sagt dann Mausklicks, Eingaben oder Scrollbewegungen voraus. Im Gegensatz zu traditionellen Methoden, die auf Browserstrukturen angewiesen sind, führt Fara-7B Schlussfolgerungen vollständig auf Pixelebene durch, sodass es auch bei Websites mit chaotischer Codestruktur normal funktioniert. Yash Lara, Produktmanager bei Microsoft Research, erklärt, dass Fara-7B durch die lokale Verarbeitung visueller Eingaben die sogenannte "Pixel-Souveränität" erreicht, was auch stark regulierten Branchen wie dem Gesundheitswesen und dem Finanzsektor eine sichere Nutzung ermöglicht. Getestete Leistung übertrifft GPT-4o, kleineres Modell ist effizienter Im WebVoyager-Benchmark erreicht Fara-7B eine Aufgabenabschlussrate von 73,5%, höher als GPT-4o mit 65,1% und UI-TARS-1.5-7B mit 66,4%. Darüber hinaus benötigt Fara-7B durchschnittlich nur 16 Schritte zum Abschluss einer Aufgabe, deutlich besser als die 41 Schritte von UI-TARS-1.5-7B, und erreicht damit ein optimales Gleichgewicht zwischen Genauigkeit und Effizienz. Fara-7B führt auch einen "kritischen Checkpoint"-Mechanismus ein, der automatisch pausiert und Bestätigung anfordert, wenn es um persönliche Benutzerdaten oder irreversible Aktionen (wie E-Mail-Versand oder Geldtransfer) geht. In Kombination mit der "Magentic-UI"-Schnittstelle bietet es eine Sicherheitsbarriere für die Mensch-Maschine-Zusammenarbeit. Wissensdestillation und Expertendemonstrationstraining stärken das Potenzial für selbstständiges Lernen Fara-7B verwendet die Trainingsmethode der "Wissensdestillation" und integriert 145.000 erfolgreiche Navigationsbeispiele, die vom Multi-Agent-System Magentic-One generiert wurden, komprimiert in einem einzigen Modell. Darüber hinaus basiert das Grundmodell auf Qwen2.5-VL-7B mit einem Kontextfenster von bis zu 128.000 Token und hervorragender Bild-Text-Ausrichtung. Der Trainingsprozess konzentriert sich hauptsächlich auf die Nachahmung menschlicher Expertenoperationen. Microsoft erklärt, dass sie in Zukunft nicht blindlings größere Modelle anstreben, sondern sich darauf konzentrieren, "kleinere, intelligentere und sicherere" Modelle zu entwickeln. Sie planen auch, Reinforcement Learning (RL) in synthetischen Sandbox-Umgebungen für selbstständiges Training einzuführen. Open Source und verfügbar, frei testbar für kommerzielle Zwecke, aber noch kein offizielles Produkt Derzeit ist Fara-7B unter MIT-Lizenz als Open Source verfügbar und kann auf Hugging Face und der Microsoft Foundry-Plattform heruntergeladen werden, mit Erlaubnis für kommerzielle Anwendungen. Microsoft weist jedoch darauf hin, dass das Modell noch nicht den Standard für Produktionsumgebungen erreicht hat und derzeit hauptsächlich für Entwickler zur Prototypentestung und Funktionsvalidierung geeignet ist. Weiterführende Lektüre: Google stellt WeatherNext 2 vor, ein KI-Modell der nächsten Generation für Wettervorhersagen, das zuerst auf Pixel, in der Suche und in Gemini zum Einsatz kommt Weiterführende Lektüre: Forscher entdecken eine einfache Fragemethode, die KI kreativer macht, anwendbar auf alle KI-Modelle wie ChatGPT, Gemini usw. Weiterführende Lektüre: Anthropic stellt Claude Haiku 4.5 vor, ein kleines KI-Modell: nur 1/3 der Kosten, Leistung vergleichbar mit Sonnet 4, Programmierleistung sogar leicht besser Treten Sie der T-Clients Facebook-Fanpage beiMicrosofts neuestes KI-Modell Fara-7B betont lokale Ausführung und Datenschutz, sodass Unternehmen es bedenkenlos nutzen können. Fara-7B bietet hervorragende Leistung, führt komplexe Aufgaben durch visuelle Wahrnehmung aus und zeigt das unbegrenzte Potenzial von KI-Modellen. Microsoft hat am 24.11. offiziell das neueste KI-Modell Fara-7B vorgestellt, ein Modell mit 7 Milliarden Parametern, das als "Computer Use Agent" (CUA) positioniert wird. Es kann direkt lokal ausgeführt werden, ohne auf Cloud-Rechenleistung angewiesen zu sein, und bietet gleichzeitig hohe Leistung und Datenschutz. Fokus auf Unternehmensdatensicherheit, Unterstützung für "visuelle Wahrnehmung" Der Kerngedanke von Fara-7B liegt darin, die Anforderungen von Unternehmenskunden an Datenschutz und Compliance bei der Verarbeitung sensibler Informationen zu erfüllen. Da das Modell ausreichend schlank ist, kann es auf einem PC ausgeführt werden, was nicht nur die Latenz reduziert, sondern auch verhindert, dass Daten in die Cloud hochgeladen werden müssen. Dies unterstützt lokale Automatisierung, beispielsweise für internes Kontomanagement und die Verarbeitung vertraulicher Dokumente. Das Hauptmerkmal dieses Modells ist die Interaktion mit Websites durch "Bildschirmbetrachtung" - es liest Screenshots, um das Layout zu erfassen und sagt dann Mausklicks, Eingaben oder Scrollbewegungen voraus. Im Gegensatz zu traditionellen Methoden, die auf Browserstrukturen angewiesen sind, führt Fara-7B Schlussfolgerungen vollständig auf Pixelebene durch, sodass es auch bei Websites mit chaotischer Codestruktur normal funktioniert. Yash Lara, Produktmanager bei Microsoft Research, erklärt, dass Fara-7B durch die lokale Verarbeitung visueller Eingaben die sogenannte "Pixel-Souveränität" erreicht, was auch stark regulierten Branchen wie dem Gesundheitswesen und dem Finanzsektor eine sichere Nutzung ermöglicht. Getestete Leistung übertrifft GPT-4o, kleineres Modell ist effizienter Im WebVoyager-Benchmark erreicht Fara-7B eine Aufgabenabschlussrate von 73,5%, höher als GPT-4o mit 65,1% und UI-TARS-1.5-7B mit 66,4%. Darüber hinaus benötigt Fara-7B durchschnittlich nur 16 Schritte zum Abschluss einer Aufgabe, deutlich besser als die 41 Schritte von UI-TARS-1.5-7B, und erreicht damit ein optimales Gleichgewicht zwischen Genauigkeit und Effizienz. Fara-7B führt auch einen "kritischen Checkpoint"-Mechanismus ein, der automatisch pausiert und Bestätigung anfordert, wenn es um persönliche Benutzerdaten oder irreversible Aktionen (wie E-Mail-Versand oder Geldtransfer) geht. In Kombination mit der "Magentic-UI"-Schnittstelle bietet es eine Sicherheitsbarriere für die Mensch-Maschine-Zusammenarbeit. Wissensdestillation und Expertendemonstrationstraining stärken das Potenzial für selbstständiges Lernen Fara-7B verwendet die Trainingsmethode der "Wissensdestillation" und integriert 145.000 erfolgreiche Navigationsbeispiele, die vom Multi-Agent-System Magentic-One generiert wurden, komprimiert in einem einzigen Modell. Darüber hinaus basiert das Grundmodell auf Qwen2.5-VL-7B mit einem Kontextfenster von bis zu 128.000 Token und hervorragender Bild-Text-Ausrichtung. Der Trainingsprozess konzentriert sich hauptsächlich auf die Nachahmung menschlicher Expertenoperationen. Microsoft erklärt, dass sie in Zukunft nicht blindlings größere Modelle anstreben, sondern sich darauf konzentrieren, "kleinere, intelligentere und sicherere" Modelle zu entwickeln. Sie planen auch, Reinforcement Learning (RL) in synthetischen Sandbox-Umgebungen für selbstständiges Training einzuführen. Open Source und verfügbar, frei testbar für kommerzielle Zwecke, aber noch kein offizielles Produkt Derzeit ist Fara-7B unter MIT-Lizenz als Open Source verfügbar und kann auf Hugging Face und der Microsoft Foundry-Plattform heruntergeladen werden, mit Erlaubnis für kommerzielle Anwendungen. Microsoft weist jedoch darauf hin, dass das Modell noch nicht den Standard für Produktionsumgebungen erreicht hat und derzeit hauptsächlich für Entwickler zur Prototypentestung und Funktionsvalidierung geeignet ist. Weiterführende Lektüre: Google stellt WeatherNext 2 vor, ein KI-Modell der nächsten Generation für Wettervorhersagen, das zuerst auf Pixel, in der Suche und in Gemini zum Einsatz kommt Weiterführende Lektüre: Forscher entdecken eine einfache Fragemethode, die KI kreativer macht, anwendbar auf alle KI-Modelle wie ChatGPT, Gemini usw. Weiterführende Lektüre: Anthropic stellt Claude Haiku 4.5 vor, ein kleines KI-Modell: nur 1/3 der Kosten, Leistung vergleichbar mit Sonnet 4, Programmierleistung sogar leicht besser Treten Sie der T-Clients Facebook-Fanpage bei