El nuevo modelo de IA de Microsoft, Fara-7B, enfatiza la ejecución local y la privacidad de datos, permitiendo a las empresas utilizarlo con confianza. Fara-7B ofrece un rendimiento excepcional, completando tareas complejas mediante percepción visual y demostrando el potencial ilimitado de los modelos de IA. Microsoft presentó oficialmente el 24 de noviembre su último modelo de IA Fara-7B, un modelo con 7.000 millones de parámetros posicionado como "Agente de Uso de Computadora" (Computer Use Agent, CUA), que destaca por su capacidad de ejecutarse localmente sin depender de la potencia de cómputo en la nube, mientras mantiene alto rendimiento y privacidad de datos. Enfocado en la seguridad de datos empresariales, compatible con operaciones de "percepción visual" El diseño central de Fara-7B busca satisfacer las necesidades de privacidad y cumplimiento normativo de los clientes empresariales en el procesamiento de información sensible. Como el modelo es suficientemente compacto para ejecutarse en ordenadores personales, no solo reduce la latencia sino que también evita la carga de datos a la nube, facilitando la automatización local en escenarios como gestión de cuentas internas y procesamiento de documentos confidenciales. La característica más destacada de este modelo es su método de interacción con sitios web mediante "observación de pantalla" — lee la disposición de la pantalla a través de capturas y predice acciones como clics de ratón, entradas o desplazamientos. A diferencia de los métodos tradicionales que dependen de la estructura del navegador, Fara-7B realiza inferencias completamente basadas en datos a nivel de píxel, por lo que funciona correctamente incluso en sitios web con estructuras de código desordenadas. Yash Lara, gerente de producto de Microsoft Research, señala que Fara-7B procesa entradas visuales localmente, logrando la llamada "soberanía de píxeles", permitiendo su uso seguro incluso en industrias altamente reguladas como la sanitaria y financiera. Rendimiento probado superior a GPT-4o, modelo pequeño más eficiente En las pruebas de referencia WebVoyager, Fara-7B alcanzó una tasa de finalización de tareas del 73,5%, superior al 65,1% de GPT-4o y al 66,4% de UI-TARS-1.5-7B. Además, Fara-7B completa tareas en un promedio de solo 16 pasos, claramente superior a los 41 pasos de UI-TARS-1.5-7B, logrando un equilibrio óptimo entre precisión y eficiencia. Fara-7B también introduce un mecanismo de "puntos de control críticos" (critical checkpoints) que pausa automáticamente y solicita confirmación cuando encuentra operaciones relacionadas con datos personales o irreversibles (como enviar correos o transferir dinero), proporcionando una línea de defensa segura para la colaboración humano-máquina junto con la interfaz de interacción "Magentic-UI". Destilación de conocimiento y entrenamiento con demostraciones de expertos, potenciando el aprendizaje autónomo Fara-7B utiliza un método de entrenamiento de "destilación de conocimiento", integrando 145.000 ejemplos exitosos de navegación generados por el sistema multi-agente Magentic-One, comprimiéndolos en un único modelo de aprendizaje. Además, el modelo base está construido sobre Qwen2.5-VL-7B, con una ventana de contexto de hasta 128.000 tokens y excelente capacidad de alineación de texto e imagen, con un proceso de entrenamiento centrado en imitar operaciones de expertos humanos. Microsoft indica que en el futuro no perseguirá ciegamente modelos más grandes, sino que se dedicará a crear modelos "pequeños, inteligentes y seguros", y planea introducir aprendizaje por refuerzo (RL) para entrenamiento autodirigido en entornos sandbox sintéticos. Ya disponible como código abierto, libre para pruebas comerciales pero aún no es un producto oficial Actualmente, Fara-7B ha sido liberado como código abierto bajo licencia MIT, disponible para descarga en Hugging Face y la plataforma Microsoft Foundry, permitiendo su uso en aplicaciones comerciales. Sin embargo, Microsoft advierte que el modelo aún no cumple con los estándares de implementación en entornos de producción, siendo principalmente adecuado para que los desarrolladores realicen pruebas de prototipos y verificación de funcionalidades. Lecturas adicionales: Google lanza WeatherNext 2, el nuevo modelo de IA para pronósticos meteorológicos, ya disponible en Pixel, búsquedas y Gemini Lecturas adicionales: Investigadores descubren un método sencillo para hacer que la IA sea más creativa, aplicable a cualquier modelo de IA como ChatGPT o Gemini Lecturas adicionales: Anthropic presenta Claude Haiku 4.5, un modelo de IA pequeño: solo 1/3 del costo, rendimiento comparable a Sonnet 4, e incluso mejor en programación Únete a la página de fans de T客邦 en FacebookEl nuevo modelo de IA de Microsoft, Fara-7B, enfatiza la ejecución local y la privacidad de datos, permitiendo a las empresas utilizarlo con confianza. Fara-7B ofrece un rendimiento excepcional, completando tareas complejas mediante percepción visual y demostrando el potencial ilimitado de los modelos de IA. Microsoft presentó oficialmente el 24 de noviembre su último modelo de IA Fara-7B, un modelo con 7.000 millones de parámetros posicionado como "Agente de Uso de Computadora" (Computer Use Agent, CUA), que destaca por su capacidad de ejecutarse localmente sin depender de la potencia de cómputo en la nube, mientras mantiene alto rendimiento y privacidad de datos. Enfocado en la seguridad de datos empresariales, compatible con operaciones de "percepción visual" El diseño central de Fara-7B busca satisfacer las necesidades de privacidad y cumplimiento normativo de los clientes empresariales en el procesamiento de información sensible. Como el modelo es suficientemente compacto para ejecutarse en ordenadores personales, no solo reduce la latencia sino que también evita la carga de datos a la nube, facilitando la automatización local en escenarios como gestión de cuentas internas y procesamiento de documentos confidenciales. La característica más destacada de este modelo es su método de interacción con sitios web mediante "observación de pantalla" — lee la disposición de la pantalla a través de capturas y predice acciones como clics de ratón, entradas o desplazamientos. A diferencia de los métodos tradicionales que dependen de la estructura del navegador, Fara-7B realiza inferencias completamente basadas en datos a nivel de píxel, por lo que funciona correctamente incluso en sitios web con estructuras de código desordenadas. Yash Lara, gerente de producto de Microsoft Research, señala que Fara-7B procesa entradas visuales localmente, logrando la llamada "soberanía de píxeles", permitiendo su uso seguro incluso en industrias altamente reguladas como la sanitaria y financiera. Rendimiento probado superior a GPT-4o, modelo pequeño más eficiente En las pruebas de referencia WebVoyager, Fara-7B alcanzó una tasa de finalización de tareas del 73,5%, superior al 65,1% de GPT-4o y al 66,4% de UI-TARS-1.5-7B. Además, Fara-7B completa tareas en un promedio de solo 16 pasos, claramente superior a los 41 pasos de UI-TARS-1.5-7B, logrando un equilibrio óptimo entre precisión y eficiencia. Fara-7B también introduce un mecanismo de "puntos de control críticos" (critical checkpoints) que pausa automáticamente y solicita confirmación cuando encuentra operaciones relacionadas con datos personales o irreversibles (como enviar correos o transferir dinero), proporcionando una línea de defensa segura para la colaboración humano-máquina junto con la interfaz de interacción "Magentic-UI". Destilación de conocimiento y entrenamiento con demostraciones de expertos, potenciando el aprendizaje autónomo Fara-7B utiliza un método de entrenamiento de "destilación de conocimiento", integrando 145.000 ejemplos exitosos de navegación generados por el sistema multi-agente Magentic-One, comprimiéndolos en un único modelo de aprendizaje. Además, el modelo base está construido sobre Qwen2.5-VL-7B, con una ventana de contexto de hasta 128.000 tokens y excelente capacidad de alineación de texto e imagen, con un proceso de entrenamiento centrado en imitar operaciones de expertos humanos. Microsoft indica que en el futuro no perseguirá ciegamente modelos más grandes, sino que se dedicará a crear modelos "pequeños, inteligentes y seguros", y planea introducir aprendizaje por refuerzo (RL) para entrenamiento autodirigido en entornos sandbox sintéticos. Ya disponible como código abierto, libre para pruebas comerciales pero aún no es un producto oficial Actualmente, Fara-7B ha sido liberado como código abierto bajo licencia MIT, disponible para descarga en Hugging Face y la plataforma Microsoft Foundry, permitiendo su uso en aplicaciones comerciales. Sin embargo, Microsoft advierte que el modelo aún no cumple con los estándares de implementación en entornos de producción, siendo principalmente adecuado para que los desarrolladores realicen pruebas de prototipos y verificación de funcionalidades. Lecturas adicionales: Google lanza WeatherNext 2, el nuevo modelo de IA para pronósticos meteorológicos, ya disponible en Pixel, búsquedas y Gemini Lecturas adicionales: Investigadores descubren un método sencillo para hacer que la IA sea más creativa, aplicable a cualquier modelo de IA como ChatGPT o Gemini Lecturas adicionales: Anthropic presenta Claude Haiku 4.5, un modelo de IA pequeño: solo 1/3 del costo, rendimiento comparable a Sonnet 4, e incluso mejor en programación Únete a la página de fans de T客邦 en Facebook