微软研究院发布Fara1.5系列浏览器智能体性能超OpenAI谷歌竞品

AI创作导航管理员 LV5 大神连续登录30天萌新

4 个月前

风向

1502

微软研究院近期正式推出开源浏览器操作智能体系列Fara1.5，涵盖4B、9B、27B三种不同参数规模，在业界权威的Online-Mind2Web基准测试中拿到72%的得分，性能全面超越OpenAI Operator与谷歌Gemini 2.5 Computer Use两款同类产品，为端侧浏览器自动化场景落地提供了全新的开源可选方案。

长期以来，网页交互的非标准化属性一直是AI智能体落地的核心阻碍：不同网站的DOM结构差异巨大，动态加载的元素识别难度高，此前多数主流浏览器操作智能体都需要依赖大算力运行，很难下沉到普通用户的端侧设备。这次微软放出的全系列开源方案，直接打破了闭源产品在该赛道的垄断格局。

最近两年AI Agent落地场景快速扩容，浏览器自动操作的需求持续走高：从企业级的批量网页数据爬取、表单自动填报，到C端用户的跨站信息聚合、无障碍网页辅助，都需要能精准识别网页元素、稳定执行点击和输入操作的智能体。

此前市面上表现最好的两款产品分别是OpenAI推出的Operator智能体，以及谷歌旗下Gemini 2.5 Computer Use能力，两者均为闭源服务，企业用户很难基于自身需求做定制化二次开发，部署成本长期居高不下。

这次推出的Fara1.5系列直接覆盖从边缘端到云端的全场景部署需求，4B参数版本可以在8GB显存的普通消费级GPU上流畅运行，甚至可以经过轻量化适配后直接嵌入浏览器插件运行。

在业界通用的Online-Mind2Web测试基准上，Fara1.5最高拿到72%的综合得分，比OpenAI Operator高出7个百分点，比Gemini 2.5 Computer Use高出4个百分点，是当前公开可获取的开源浏览器操作智能体中的最高性能水平。

据公开技术细节显示，该系列模型没有采用主流的“截图+多模态识别”路线，而是直接对网页DOM结构做语义化解析，大幅降低了推理所需的算力消耗，响应速度比同类多模态方案提升32%。

全系列权重开源的属性，意味着中小开发者不需要投入海量算力从零训练智能体，仅需要少量场景微调，就能快速搭建适配特定业务需求的浏览器自动化工具。

行业分析认为，微软此次推出Fara1.5，也是为后续Edge浏览器的Copilot能力升级铺路，后续不排除将该智能体直接集成到浏览器底层，实现无需用户手动操作的一站式网页任务执行，进一步巩固微软在消费级AI端侧生态的竞争力。

大语言模型 AI智能体人工智能微软 Fara1.5

本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。