マイクロソフトリサーチAI Frontiersは本日、小規模モデル向けに設計された実験的なエージェント型アプリケーション「MagenticLite」を公開しました。Magentic-UIの次世代版として、MagenticLiteはブラウザとローカルファイルシステムを単一のワークフローで横断します。このアプリは、推論・委任・端末操作を担当するMagenticBrainと、ブラウザベースのタスクを処理するFara1.5という2つの専用モデルによって駆動されます。3つのコンポーネントは連携するように設計されており、効率的に動作し、ユーザーのマシン上にデータを保持し、幅広いエージェントタスクをサポートします。
このプロジェクトは、「エージェントの能力は知識よりもツールのオーケストレーションとアクションに依存する」という研究仮説に基づいています。その洞察により、小規模モデルを使用しながらも、幅広いエージェントタスクを低コストで実現できます。MagenticLiteは、トレーニングデータとモデル設計から、オーケストレーション、インタラクション設計、そして体験全体における人間の監督に至るまで、エージェントAIをエンドツーエンドでアプローチする方法を反映しています。
今回のリリースには、MagenticLiteアプリ、MagenticBrainオーケストレーションモデル、そしてFara1.5コンピュータ使用モデルが含まれます。MagenticLiteは、小規模モデル向けに再構築されたエージェントハーネスと、コミュニティからのフィードバックを反映した更新されたユーザーインターフェースを備えています。MagenticBrainは、プランナー、コーダー、デリゲーターを兼ね、あいまいなリクエストを具体的な計画に変換し、各ステップに適切なツールやサブエージェントを選択し、必要に応じてコードを記述し、タスク途中で問題が発生した場合には回復します。Fara1.5は、コンピュータ使用モデルファミリーの次世代版で、3つのサイズ（4B、9B、27B）を提供し、フラッグシップの9Bモデルがほとんどのユースケースに推奨されます。Fara1.5は、小規模コンピュータ使用モデルの中で新たな最先端を達成し、WebナビゲーションにおいてFara-7Bの性能をほぼ倍増させ、フォーム入力、認証サイト、長時間タスクの処理が向上しています。
研究チームは、フォーム入力、ブラウザ調査、ローカルファイル管理などの実世界のユースケースから要件を特定し、それらに基づいて評価データセットを構築しました。標準ベンチマークは有用ですが、実世界での有用性を直接測定するものではありません。シナリオベースの評価がこれらのベンチマークを補完し、モデルとハーネスの両方の反復的改善のための主要なシグナルとなりました。ユーザー体験では、エージェントの推論と行動の可視性、ユーザーが直接制御できる能力、重要なポイントでの明示的な承認など、Magentic-UIの主要要素が維持されています。最近のユーザー調査に基づき、MagenticLiteは更新されたブラウザビューとチャットビューを通じて学習と協力を容易にし、ユーザーがエージェントの行動を理解し、必要に応じて介入できるよう設計されています。
Fara1.5は、Online-Mind2Webベンチマークで同サイズクラスのモデルの中で最先端の結果を達成し、Fara-7Bの性能をほぼ倍増させました。ベンチマークの改善に加え、ユーザー体験も向上しており、フォーム入力、認証サイトのログイン処理、予約などの日常タスクでより強力なパフォーマンスが期待できます。これらの改善は、FaraGenデータ生成パイプラインの進化によって実現されました。実在のWebサイトでのトレーニングに加え、ログインや元に戻せないアクションなどのシナリオをシミュレートする高現実的な合成環境でもトレーニングが行われました。Fara1.5は長時間タスク向けに調整されたネイティブアクションスペースを持ち、数百ステップにわたってコンテキスト内で重要な情報を保存し、必要に応じてユーザーの許可や好みを尋ねることで、実際の作業が数分間に及ぶタスクでも一貫性を維持します。さらに、重要なポイントの検出が再調整され、セーフティトリガーは発生すべき時に発生しますが、フォーム入力などの有用なタスクを妨げることはありません。
MagenticBrainは140億パラメータのオーケストレーションモデルで、Qwen 3 14Bから微調整され、推論時に遭遇するのと同じツールスキーマと実行環境でエンドツーエンドにトレーニングされています。これにより、オーケストレーションの学習方法と実際の実行方法にギャップはありません。MagenticBrainの設計は、マルチステップツール呼び出し軌跡と、コーディングおよび端末軌跡を組み合わせ、さらにコンピュータ使用エージェントの委任とを統合しています。オーケストレーターはブラウザまたはUIタスクを認識し、構造化されたハンドオフをFara1.5に発行し、結果を待ってタスクを再開します。その結果、単一の140億パラメータモデル内で推論、コーディング、ツール呼び出し、委任を流動的に行うオーケストレーションモデルが実現しました。
ハーネスはオーケストレーターとブラウザ使用モデルを単一のワークフローに統合します。重要な設計上の選択は次の3つです：ステップバイステップの計画により柔軟性を維持し、長期タスクでのコース修正と回復を容易にします。アクティブなコンテキスト管理により、小規模モデルの有効コンテキストウィンドウが小さく、コンテキストが増えると劣化が早い問題に対処し、各モデルが各ステップで受け取る情報を厳選します。サブエージェントへの委任により、オーケストレーターがメインエージェントとして機能し、ブラウザタスクをFara1.5に委任します。このパターンは、各モデルが問題のより狭く専門化された部分を処理できるようにすることで、小規模言語モデルの強みを活かします。ハーネスはMagentic-UI 1.0からの人間参加型の保証を維持し、ブラウザとコードアクションの両方での重要なポイントはユーザーの明示的な承認を待ち、システム全体はQuicksandサンドボックス内で実行され、ブラウザセッションとコード実行をホストシステムから隔離します。
MagenticLiteは、経費フォームの記入、レストランの検索と予約、レシピ材料の価格検索、ローカルファイルの整理など、ブラウザとローカルファイルシステムにわたる幅広いタスクを実行できます。MagenticLite、MagenticBrain、Fara1.5は研究リリースであり、コミュニティによる実験、評価、フィードバックを促進するために公開されています。