微軟發表 Fara1.5：一系列瀏覽器操作AI代理（4B/9B/27B），在 Online-Mind2Web 上超越 OpenAI Operator 與 Gemini 2.5 Computer Use
重點摘要
微軟研究院釋出 Fara1.5，一系列規模為 4B、9B 與 27B 的瀏覽器操作代理。其中 Fara1.5-27B 在 Online-Mind2Web 上取得 72% 的成績，超越 OpenAI Operator、Gemini 2.5 Computer Use 及 Yutori Navigator n1。此次釋出也包含合成資料管道 FaraGen1.5，可用於訓練受控環境下的代理。
微軟研究團隊近日發表 Fara1.5 系列，這是一組專為瀏覽器操作設計的 AI 代理，提供 4B、9B 與 27B 三種參數規模。其中最大型號 Fara1.5-27B 在 Online-Mind2Web 評測中獲得 72% 的分數，表現超越 OpenAI Operator 與 Gemini 2.5 Computer Use 等現有模型。
這項技術屬於「電腦使用代理」領域，目的是讓 AI 像人類一樣操作瀏覽器——點擊、填表、導航網頁。過去類似方案多半依賴閉源 API 或過度簡化的模擬環境，Fara1.5 則透過合成資料管線 FaraGen1 來生成訓練樣本，試圖解決真實網頁的複雜性。
如果 Fara1.5 能維持這個表現，代表小型化、本地化的瀏覽器代理開始具備商用競爭力。對於需要自動化測試、表單填寫或網路爬取的團隊來說，這種開源等級的模型可能降低依賴大型雲端服務的門檻。
值得留意的是，微軟同步釋出了合成資料管線 FaraGen1，這或許是讓代理持續進步的關鍵。讀者可後續關注此管線是否公開、能否自行生成訓練資料，以及 Fara1.5 各參數版本在不同硬體上的實際運行效率。
整體而言，Fara1.5 的出現讓瀏覽器自動化領域多了一個具備實測優勢的選項，也預示著科技巨頭在「電腦使用」這條賽道上的競爭將更加激烈。
Related
相關文章
Edge AI Daily 早報（6月19日）
AI Engineer World's Fair 2026規模再創新高，標誌AI工程從幕後走向舞臺中央。行業面臨結構性調整：楊立昆警示OpenAI年虧210億美元揭示商業模式脆弱性，Transformer之父轉投OpenAI反映人才爭奪白熱化。Anthropic多線佈局——語音支持七種語言、加入碳清除聯盟、落子首爾辦事處，展現生態擴張野心。監管壓力加劇，意大利依據DMA調查蘋果iCloud，巴西開放iOS側載佣金降至5%，蘋果圍牆花園持續崩塌。
今天起，Claude Design要把設計師和程序員變成同一種人了
猝不及防！Anthropic深夜甩出Claude Design大更新，設計系統一鍵導入，代碼雙向同步，9大平臺一鍵導出。Anthropic設計師親自下場錄屏：AI跑了八輪自查，才敢把設計稿給你看。
OpenAI 成為 Rust 基金會白金會員，合計贊助 60 萬美元
OpenAI 正式成為 Rust 基金會白金會員，將提供總計 60 萬美元資金，用於支持 Rust 開源項目維護者及 Rust 創新實驗室等計劃。這標誌著 AI 巨頭對安全、高效系統編程語言的重視。 #OpenAI #Rust #開源
Claude Design 上線首周用戶破百萬，和 Claude Code 共享 AI 配額
Anthropic 今天（6 月 18 日）發佈公告，在宣佈 Claude Design 上線首周用戶規模突破 100 萬後，進一步強化和 Claude Code 的雙向聯動，實現從設計到編程的無縫工作流。
谷歌時隔6年再發智能音箱，Gemini上桌，售價不到700元
智東西 編譯 | 劉煜 編輯 | 陳駿達 智東西6月18日消息，谷歌昨日宣佈，其首款搭載居家版Gemini語音助手的智能音箱（Google Home Speaker）已開啟預售，將於當地時間6月25日正式上市，售價為99.99美元（約合人民幣677.03元）。在此之前，谷歌已有6年沒有推出過獨立智能音箱產品。 谷歌這款智能音箱外觀近似球形，風格類似亞馬遜新一代Echo音箱與蘋果舊款音箱HomePod Mini。 ▲谷歌智能音箱（圖源：谷歌官網） 使用音箱時，用戶只需通過口令“Hey Google”或“OK Google”喚醒Gemini，就可以繼續下達相應指令。這與谷歌舊款音箱、智能顯示屏等喚醒語音助手的方式相同。此外，用戶只要按照日常說話習慣下達命令，Gemini便能理解用戶意圖，相比之前大大提升溝通效率。 一、加強短時對話記憶，會員可與Gemini不限次數對話 谷歌此次推出的全新音箱升級諸多功能。其中，音箱搭載的Gemini語音助手擁有10款全新擬人化語音音色，用戶可以根據喜好自行選擇聲線。音箱還可支持用戶一次性下達多條語音指令，即使指令未能說對、說完整，用戶中途改口Gemini也能識別。 Gemini還具備多鏈路推理能力，落地到實際生活場景中比較實用。例如，用戶問：“我支持的足球隊下場比賽天氣如何？”Gemini收到指令後，會自動查詢賽事時間、舉辦地點，同時匹配相應時段天氣，再給出答覆。 同時，Gemini加強了短時對話記憶，能承接上下文實現連續對話功能。即使用戶連續追問、甚至串聯多項任務、不重複交代前置條件，該語音助手也能實現來回連貫交流。 ▲谷歌Gemini對話場景（圖源：谷歌官網） 不僅如此，Gemini搭配的連續對話功能，能讓應答後的音箱麥克風保持短暫收音，用戶無需重複喊“OK Google”就能繼續提問。該功能現已全面支持所有Gemini原生適配的語言，包括
微軟，考慮接入DeepSeek
這篇消息聚焦「微軟，考慮接入DeepSeek」。原始導語提到：Copilot Cowork轉為按量計費。 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。