중요Reddit
MS, 스크린샷만으로 브라우저 조작하는 CUA 'Fara1.5-27B' 공개
DOM 없이 화면만 보고 클릭·입력하는 27B 오픈모델. 로컬 웹 자동화 PoC에 검토 가치.
요약
Microsoft Research AI Frontiers에서 공개한 Fara1.5-27B는 웹 브라우저를 기반으로 작동하는 멀티모달 컴퓨터 사용 에이전트(CUA)입니다. 이 모델은 DOM이나 접근성 트리를 활용하지 않고 스크린샷만을 통해 브라우저를 시각적으로 인식합니다. 사용자의 요청을 받으면 클릭, 타이핑, 스크롤, 웹 검색 등 구조화된 도구 호출을 수행하여 작업을 엔드투엔드로 완수합니다. 모델은 최신 스크린샷과 이전 작업 기록을 바탕으로 다음 행동을 예측하며, 클릭 좌표와 같은 구체적인 인자값을 생성합니다. Fara1.5-27B는 Qwen3.5-27B를 기반으로 지도 미세 조정(SFT)되었으며, FaraGen1.5 멀티 에이전트 파이프라인이 생성한 합성 웹 작업 데이터를 학습했습니다.
AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.
원문 제목 microsoft/Fara1.5-27B · Hugging Face
원문 보기 ↗