Novo modelo de IA da Microsoft, Fara-7B, enfatiza execução local e privacidade de dados, permitindo uso seguro por empresas. O Fara-7B oferece desempenho excecional, completa tarefas complexas através de perceção visual, demonstrando o potencial ilimitado dos modelos de IA. A Microsoft lançou oficialmente em 24 de novembro o seu mais recente modelo de IA, Fara-7B, um modelo com 7 mil milhões de parâmetros posicionado como "Agente de Utilização de Computador" (Computer Use Agent, CUA), destacando-se pela capacidade de funcionar localmente sem depender de poder computacional na nuvem, enquanto mantém alto desempenho e privacidade de dados. Foco na segurança de dados empresariais, com suporte para operações de "perceção visual" O design central do Fara-7B visa satisfazer as necessidades de privacidade e conformidade dos clientes empresariais no processamento de informações sensíveis. Como o modelo é suficientemente compacto para ser executado em computadores pessoais, não só reduz a latência, mas também evita o carregamento de dados para a nuvem, facilitando a automação local em cenários como gestão de contas internas e processamento de documentos confidenciais. A principal característica deste modelo é a adoção de uma abordagem de "operação por visualização de ecrã" para interagir com websites—lendo o layout do ecrã através de capturas e prevendo ações como cliques do rato, entradas de texto ou deslocamentos. Diferentemente dos métodos tradicionais que dependem da estrutura do navegador, o Fara-7B baseia-se inteiramente em dados a nível de pixel para inferência, permitindo que funcione normalmente mesmo em websites com estrutura de código confusa. Yash Lara, gestor de produto do Microsoft Research, afirma que o Fara-7B processa entradas visuais localmente, realizando a chamada "soberania de pixels", permitindo que indústrias altamente regulamentadas como saúde e finanças o utilizem com confiança. Desempenho testado supera o GPT-4o, modelo menor mais eficiente No benchmark de teste WebVoyager, o Fara-7B alcançou uma taxa de conclusão de tarefas de 73,5%, superior aos 65,1% do GPT-4o e 66,4% do UI-TARS-1.5-7B. Além disso, o Fara-7B completa tarefas com uma média de apenas 16 passos, significativamente melhor que os 41 passos do UI-TARS-1.5-7B, alcançando o equilíbrio ideal entre precisão e eficiência. O Fara-7B também introduz um mecanismo de "pontos de verificação críticos" (critical checkpoints), que pausa automaticamente e solicita confirmação quando encontra operações relacionadas a dados pessoais do utilizador ou ações irreversíveis (como envio de emails ou transferências de dinheiro), combinado com a interface de interação "Magentic-UI", proporcionando uma linha de defesa segura para colaboração homem-máquina. Destilação de conhecimento e treino por demonstração de especialistas, fortalecendo o potencial de aprendizagem autónoma O Fara-7B utiliza o método de treino de "destilação de conhecimento", integrando 145.000 exemplos bem-sucedidos de navegação gerados pelo sistema multi-agente Magentic-One, comprimidos para aprendizagem num único modelo. Além disso, o modelo base é construído sobre o Qwen2.5-VL-7B, com uma janela de contexto de até 128.000 tokens, oferecendo excelente capacidade de alinhamento de imagem e texto, com o processo de treino focado principalmente na imitação de operações de especialistas humanos. A Microsoft afirma que no futuro não perseguirá cegamente modelos maiores, mas se dedicará a criar modelos "pequenos, inteligentes e seguros", e planeia introduzir aprendizagem por reforço (RL) para treino autodidata em ambientes sandbox sintéticos. Já disponível como código aberto, livre para testes comerciais mas ainda não um produto oficial Atualmente, o Fara-7B foi lançado como código aberto sob licença MIT, disponível para download nas plataformas Hugging Face e Microsoft Foundry, permitindo uso em aplicações comerciais. No entanto, a Microsoft adverte que o modelo ainda não atingiu o padrão de implantação em ambiente de produção, sendo atualmente mais adequado para desenvolvedores usarem em testes de protótipos e verificação de funcionalidades. Leitura adicional: Google lança WeatherNext 2, novo modelo de IA para previsão meteorológica, com uso prioritário no Pixel, Pesquisa e Gemini Leitura adicional: Investigadores descobrem método simples para tornar a IA mais criativa, aplicável a qualquer modelo de IA, incluindo ChatGPT e Gemini Leitura adicional: Anthropic apresenta o modelo de IA compacto Claude Haiku 4.5: apenas 1/3 do custo, desempenho comparável ao Sonnet 4, com performance em programação ligeiramente superior Junte-se à página de fãs do T客邦 no FacebookNovo modelo de IA da Microsoft, Fara-7B, enfatiza execução local e privacidade de dados, permitindo uso seguro por empresas. O Fara-7B oferece desempenho excecional, completa tarefas complexas através de perceção visual, demonstrando o potencial ilimitado dos modelos de IA. A Microsoft lançou oficialmente em 24 de novembro o seu mais recente modelo de IA, Fara-7B, um modelo com 7 mil milhões de parâmetros posicionado como "Agente de Utilização de Computador" (Computer Use Agent, CUA), destacando-se pela capacidade de funcionar localmente sem depender de poder computacional na nuvem, enquanto mantém alto desempenho e privacidade de dados. Foco na segurança de dados empresariais, com suporte para operações de "perceção visual" O design central do Fara-7B visa satisfazer as necessidades de privacidade e conformidade dos clientes empresariais no processamento de informações sensíveis. Como o modelo é suficientemente compacto para ser executado em computadores pessoais, não só reduz a latência, mas também evita o carregamento de dados para a nuvem, facilitando a automação local em cenários como gestão de contas internas e processamento de documentos confidenciais. A principal característica deste modelo é a adoção de uma abordagem de "operação por visualização de ecrã" para interagir com websites—lendo o layout do ecrã através de capturas e prevendo ações como cliques do rato, entradas de texto ou deslocamentos. Diferentemente dos métodos tradicionais que dependem da estrutura do navegador, o Fara-7B baseia-se inteiramente em dados a nível de pixel para inferência, permitindo que funcione normalmente mesmo em websites com estrutura de código confusa. Yash Lara, gestor de produto do Microsoft Research, afirma que o Fara-7B processa entradas visuais localmente, realizando a chamada "soberania de pixels", permitindo que indústrias altamente regulamentadas como saúde e finanças o utilizem com confiança. Desempenho testado supera o GPT-4o, modelo menor mais eficiente No benchmark de teste WebVoyager, o Fara-7B alcançou uma taxa de conclusão de tarefas de 73,5%, superior aos 65,1% do GPT-4o e 66,4% do UI-TARS-1.5-7B. Além disso, o Fara-7B completa tarefas com uma média de apenas 16 passos, significativamente melhor que os 41 passos do UI-TARS-1.5-7B, alcançando o equilíbrio ideal entre precisão e eficiência. O Fara-7B também introduz um mecanismo de "pontos de verificação críticos" (critical checkpoints), que pausa automaticamente e solicita confirmação quando encontra operações relacionadas a dados pessoais do utilizador ou ações irreversíveis (como envio de emails ou transferências de dinheiro), combinado com a interface de interação "Magentic-UI", proporcionando uma linha de defesa segura para colaboração homem-máquina. Destilação de conhecimento e treino por demonstração de especialistas, fortalecendo o potencial de aprendizagem autónoma O Fara-7B utiliza o método de treino de "destilação de conhecimento", integrando 145.000 exemplos bem-sucedidos de navegação gerados pelo sistema multi-agente Magentic-One, comprimidos para aprendizagem num único modelo. Além disso, o modelo base é construído sobre o Qwen2.5-VL-7B, com uma janela de contexto de até 128.000 tokens, oferecendo excelente capacidade de alinhamento de imagem e texto, com o processo de treino focado principalmente na imitação de operações de especialistas humanos. A Microsoft afirma que no futuro não perseguirá cegamente modelos maiores, mas se dedicará a criar modelos "pequenos, inteligentes e seguros", e planeia introduzir aprendizagem por reforço (RL) para treino autodidata em ambientes sandbox sintéticos. Já disponível como código aberto, livre para testes comerciais mas ainda não um produto oficial Atualmente, o Fara-7B foi lançado como código aberto sob licença MIT, disponível para download nas plataformas Hugging Face e Microsoft Foundry, permitindo uso em aplicações comerciais. No entanto, a Microsoft adverte que o modelo ainda não atingiu o padrão de implantação em ambiente de produção, sendo atualmente mais adequado para desenvolvedores usarem em testes de protótipos e verificação de funcionalidades. Leitura adicional: Google lança WeatherNext 2, novo modelo de IA para previsão meteorológica, com uso prioritário no Pixel, Pesquisa e Gemini Leitura adicional: Investigadores descobrem método simples para tornar a IA mais criativa, aplicável a qualquer modelo de IA, incluindo ChatGPT e Gemini Leitura adicional: Anthropic apresenta o modelo de IA compacto Claude Haiku 4.5: apenas 1/3 do custo, desempenho comparável ao Sonnet 4, com performance em programação ligeiramente superior Junte-se à página de fãs do T客邦 no Facebook

 Enquanto a temporada de festas se aproxima, uma nova pesquisa da Universidade Atlântica da Flórida traz um alerta importante sobre os riscos do consumo de