★ FEATURED ARTICLE 【免费下载链接】Fara1.5-4B项目地址https://ai.gitcode.com/hf_mirrors/microsoft/Fara1.5-4B点击查看免费下载Fara1.5-4B 是微软研究院 AI Frontiers 团队开源的多模态计算机操作智能体Computer Use Agent简称 CUA它的训练数据全部由FaraGen1.5 多智能体合成数据流水线生产自动合成 Web 任务、多智能体协作执行轨迹、再由验证者智能体校验结果后才入选训练集。这篇文章为你拆解 Fara1.5-4B 背后的训练全过程——这条合成数据流水线是如何炼成的它产出了什么样的训练数据以及这套方法如何被蒸进一个能在真实浏览器里看图点击的 4B 小模型。 一分钟认识 Fara1.5-4BFara1.5-4B 是一款面向浏览器的智能体模型它的工作方式与人类用户完全一致纯视觉感知只通过浏览器截图看页面不依赖 DOM 或无障碍树坐标级操作直接输出像素坐标的点击、拖拽、输入等结构化工具调用端到端完成任务填表单、订餐、投递简历、购物车结算而不只是到处点一点。模型基于 Qwen3.5-4B 做监督微调SFT支持 262K token 的超长上下文足以容纳多张截图加完整操作历史的长轨迹。在 config.json 中可以确认其max_position_embeddings为 262144而 model.safetensors.index.json 显示参数量约 45.4 亿、bf16 权重总大小约 9GB。真正的灵魂并不在模型结构而在训练数据。下面进入本文重点FaraGen1.5。 FaraGen1.5合成数据流水线的三段式炼法FaraGen1.5 是微软为生产 CUA 训练数据专门设计的一套多智能体数据流水线遵循合成—执行—校验的闭环详见 README.mdURL 种子 ──► ① 任务合成 ──► ② 多智能体执行轨迹 ──► ③ 验证者校验 ──► 训练集① 任务合成从 URL 种子到真实任务流水线的起点是任务。FaraGen1.5 从两个渠道播种从大规模 Web 索引中采样真实 URL以此为场景生成贴近真实用户的目标如在某个餐厅网站预订周五晚 7 点的两人位使用开源种子数据集如 Mind2Web派生任务保证覆盖面和多样性。这一步解决的是任务从哪来的问题——不再依赖人工手写任务而是让数据源头与真实 Web 分布对齐。② 轨迹执行多智能体边做边记拿到任务后由多智能体系统实际动手去做在浏览器环境中执行任务同时完整记录每一步的三样东西截图observation思考thought动作action含像素坐标等参数。这些截图 思考 动作的序列正是 SFT 阶段的监督信号。由于 Fara1.5-4B 只吃截图模型最常见的训练分辨率为 1440×900流水线记录的轨迹天然与模型的输入模态一致——这是它区别于 DOM 抓取类数据管线的关键。③ 结果校验验证者智能体把关轨迹不是做完了就要。流水线末尾有一个验证者智能体verifier agent只对成功完成任务的轨迹放行进入训练集README.md。这一质量闸门是多智能体合成数据的核心竞争力失败轨迹会引入错误示范污染模型验证者让数据质量从能跑完提升到跑得对省去大量人工标注成本。 训练配方四类数据混合训练FaraGen1.5 的产物并非训练集的全部。最终 SFT 数据由四类组成数据类型来源作用合成轨迹FaraGen1.5 流水线端到端任务规划与长程操作能力Grounding 数据人工精选公开数据集截图 → 动作 像素坐标的精准定位UI 理解数据流水线收集的网页截图视觉问答、描述生成、OCR安全与指令遵循拒绝类数据学会对有害/危险任务说不多源混合的意义在于合成轨迹教怎么做任务Grounding 数据教点得准UI 理解教看得懂安全数据教知道边界——四者互补才造就了完整的 CUA 能力。⚙️ 训练规模2 天 32 张 B200 炼出 4BSFT 阶段的训练配置相当克制这也是它值得借鉴的地方README.md项目配置基座模型Qwen3.5-4B训练方式监督微调SFT文本规模约 10 亿 token图像规模少于 10 亿张算力32 × NVIDIA B200训练时长2 天上下文长度262,144 tokens几个细节值得一提数据截止于 2026 年 3 月 20 日且语料是静态的未来更新将以独立版本模型形式发布架构上沿用了 Qwen3.5 的混合注意力设计config.json 中可见每 4 层出现一次full_attention其余层为linear_attention配合 262K 上下文大幅降低了长序列的推理成本视觉编码器为 24 层 ViT见 config.json负责把截图压缩成模型可理解的视觉 token。️ 安全内建把关键时刻训练进模型FaraGen1.5 流水线还产出了一项独门能力——关键检查点Critical Points安全框架。模型被训练为在以下三类情况主动暂停并向用户求证README.md缺少用户信息需要填写用户未提供的个人信息邮箱、电话、支付信息时绝不编造停下来问任务欠定当前步骤信息不足以决策时暂停澄清不可逆操作提交表单、完成支付、发送邮件、删除数据、登录账号——除非用户已明确授权否则一律停手。这意味着安全不是靠外部规则外挂的而是与 FaraGen1.5 一样作为训练数据的一部分炼进了模型权重里。 基准成绩流水线成色如何在端到端 Web 智能体基准上Fara1.5-4B 的成绩对得起这条流水线README.md模型WebVoyagerOnline-Mind2WebWebTailBenchFara1.5-4B80.857.327.4Fara1.5-9B86.663.432.3Fara1.5-27B89.372.340.24B 小模型拿下 WebVoyager 80.8 分与 27B 大模型差距有限——印证了高质量合成数据 针对性 SFT可以显著缩小小模型与大模型的差距。 仓库关键文件导读如果你想继续深挖仓库中这几个文件最值得阅读README.md模型定位与 FaraGen1.5 的官方定义README.md训练方法、数据来源与规模的完整说明config.json架构参数层数、注意力类型、视觉编码器chat_template.jinja工具调用如何渲染为 XML 格式tool_call块正是合成轨迹中动作部分的格式来源generation_config.json生成端配置model.safetensors.index.json权重分片与参数总量索引。 写在最后FaraGen1.5 给所有想构建 Agent 的团队示范了一条可复制的路径用任务合成 → 多智能体执行 → 验证者校验的流水线把真实环境的操作轨迹规模化生产出来再用 SFT 把它蒸馏进小模型。4B 参数量、2 天训练、32 张 B200——算力并不夸张真正的壁垒在数据工程。对于正在关注多智能体系统、合成数据、CUA 训练方法的开发者来说Fara1.5-4B 的训练配方值得反复拆解。赞分享【免费下载链接】Fara1.5-4B项目地址https://ai.gitcode.com/hf_mirrors/microsoft/Fara1.5-4B点击查看免费下载相关推荐ASMv2训练数据揭秘30M预训练4M指令数据如何炼成全能多模态模型ASMv2训练数据揭秘30M预训练4M指令数据如何炼成全能多模态模型 ASMv2 是一个开源多模态大模型LMM训练模型库它的食谱完全公开预训练阶大麦自动抢票5 分钟跑通 Web App 双端开售瞬间脚本替你点大麦自动抢票5 分钟跑通 Web App 双端开售瞬间脚本替你点 开售按钮还没变绿你已经在刷新第三遍好不容易手点进去城市选错了、票档点慢了页面直RPA拆解Paritok-4B-v1压缩模型首个面向编程代理训练的开源4B模型是如何炼成的拆解Paritok 4B v1压缩模型首个面向编程代理训练的开源4B模型是如何炼成的 Paritok 4B v1 是 首个专为 AI 编程代理coding创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
阅读完成 · 觉得有帮助？
