微软在智能体AI上的赌注：小模型重在编排而非知识

微软研究院AI前沿团队发布了三个组件，它们共同提出了智能体AI领域的一个反向论点：编排得当的小模型可以处理通常由更大、更昂贵的同类模型负责的任务。今天宣布的这个版本包括MagenticLite（一个实验性智能体应用）、MagenticBrain（一个140亿参数的编排模型）和Fara1.5（一个参数范围从4B到27B的计算机使用模型系列）。

这并不是说小模型在原始推理基准测试上能与前沿模型匹敌。相反，该项目基于一个特定的研究赌注：智能体能力取决于工具编排和行动，而不仅仅是知识。如果这个赌注成立，它将开辟一条路径，使有能力的智能体能够直接在用户硬件上运行，成本仅为云依赖大型模型的一小部分，且延迟更低。

小模型，大编排差距

今天大多数智能体系统依靠大型前沿模型作为编排层, , 即规划、委派和协调的组件。微软的设计用MagenticBrain质疑了这一假设，这是一个基于Qwen 3 14B微调而来的14B模型。关键的设计决策是将其端到端地训练在MagenticLite框架内，使用与推理时相同的工具模式和执行环境。

研究人员在发布中指出：“它学习编排的方式与运行方式之间没有差距。”这种训练与推理之间的紧密耦合是有意为之，与许多智能体框架采用的方法不同, , 后者将通用模型提示为规划角色，却没有任务特定训练数据的支持。

MagenticBrain处理多步骤工具调用轨迹、编码轨迹和终端使用的组合。关键是，它还学习委派：识别何时应将浏览器或UI任务移交给Fara1.5，而不是直接处理。数据管道包括明确的委派轨迹，其中编排器发出结构化交接，等待结果，然后恢复总体任务。

Fara1.5 加码计算机使用

Fara1.5 是去年11月发布的Fara-7B的直接继任者。在覆盖300个任务的Online-Mind2Web基准测试（广泛使用的Web领域）上，Fara1.5-9B的性能几乎是Fara-7B的两倍。旗舰版27B变体在同一基准测试上达到了90%以上的性能。

这些改进来自演进的数据生成管道。除了在真实网站上的训练外，研究人员还在高度逼真的合成环境上训练模型，这些环境旨在模拟登录和不可逆操作等场景。该模型还具有为长期运行任务调优的原生动作空间：内置工具可在数百个步骤中在其上下文中存储关键信息，并在需要时询问用户的权限或偏好。

一项改进解决了早期工作中的紧张关系：检测关键点, , 交易、登录流程或不可逆提交。在Fara1.5中，研究团队重新校准了安全触发器，使其在应该触发时触发，但不会阻止有用任务（如填写表格）。这种平衡在之前的版本中未能实现。

引擎驱动系统

将MagenticBrain和Fara1.5连接在一起的执行引擎，很可能是最容易被忽视的组件，也是研究人员最强调的组件。三个设计选择尤为突出。

首先，引擎是增量规划而非一次性规划。逐步规划保持系统灵活性，并在长期运行任务中实现更顺畅的路线修正和恢复。其次，它主动整理上下文：小模型的有效上下文窗口更小，且随着上下文增长性能下降更快，因此引擎将早期交互压缩成简洁摘要并卸载其余部分。第三，通过子代理进行委派, , 编排器将浏览器任务传递给Fara1.5, , 允许每个模型处理问题中更狭窄、更专门的部分。

整个系统运行在Quicksand中，这是一个基于QEMU沙箱的开源包装器，用于隔离浏览器会话和代码执行与宿主系统。浏览器和代码操作中的关键点都会暂停以等待用户明确批准，从而保留了早期Magentic-UI版本中的人机协作保证。

这对智能体AI格局意味着什么

该版本发布之际，行业正在争论智能体系统的最佳架构。几个知名初创公司和研究实验室围绕大型前沿模型构建了智能体框架，将编排层视为最好由最强大模型解决的问题。微软的赌注是，这种方法将推理能力与智能体有效性混为一谈。

如果MagenticLite方法在更广泛的社区测试中成立，其影响将超出成本节约。在用户自己的硬件上运行的本地智能体避开了困扰基于云的智能体系统的数据隐私问题。它们还降低了延迟，因为智能体的推理和执行循环在本地运行，无需往返API服务器。

Fara1.5的三种模型大小, , 4B、9B和27B, , 表明了覆盖从移动设备到桌面机器的各种硬件配置的意图。4B变体尤其可能在当前一代智能手机上运行，尽管微软尚未宣布具体的硬件目标。

开放性问题

该版本是实验性的，几个问题仍未解答。Online-Mind2Web基准测试提供了标准评估，但在混乱、动态的真实网站上的任务完成情况可能会有所不同。MagenticBrain和Fara1.5之间的委派模式适用于浏览器任务，但系统在该领域之外的任务（包括文件系统操作、API调用和本地软件自动化）上的通用性仍有待测试。

微软在GitHub上发布了MagenticLite，而MagenticBrain和Fara1.5可在Microsoft Foundry上获取。更广泛的社区现在将能够测试模型、引擎和应用的紧密协同设计是否确实如研究人员所声称的那样，能产生小规模下有能力的、可靠的智能体性能。