Microsoft Research 將 MagenticLite 整套 agent 堆疊開源並搬到 Hugging Face，含 MagenticBrain 編排模型與 Fara 1.5 電腦操作模型，Fara 1.5-27B 在 Online-Mind2Web 以 72% 領先 OpenAI Operator 與 Gemini 2.5 Computer Use。
開放什麼：從應用到權重的全棧開源
Microsoft Research 宣布 agentic 應用 MagenticLite 的完整堆疊開源，包含應用本體、測試 harness 與堆疊中每一個模型。原本僅在 Microsoft Foundry 上提供的 MagenticBrain 編排模型與 Fara 1.5 電腦操作模型，已登上 Hugging Face 並開放權重，開發者可直接拉權重在本地跑完整體驗。MagenticLite 是 Magentic-UI 的下一代，能在單一工作流程中跨瀏覽器與本機檔案系統運作。
模型分工：MagenticBrain 負責編排，Fara 1.5 負責操作
堆疊由兩個專用模型構成。MagenticBrain 是 14B 編排器，以 Qwen 3 14B 微調而來，負責規劃、寫程式與任務分派；它在 MagenticLite harness 內端到端訓練，所用的 tool schema 與推論時完全一致，訓練與部署之間沒有落差。Fara 1.5 則是電腦操作專用模型，提供 4B、9B、27B 三種規模，以 Qwen 3.5 微調，直接讀取瀏覽器原始截圖並輸出點擊、輸入與捲動，不走 DOM 解析或 accessibility tree。
效能數字：72% 在 Online-Mind2Web
在 Online-Mind2Web 基準（涵蓋 136 個真實網站、共 300 項任務）上，Microsoft 公布的成績為：Fara 1.5-27B 達 72%，OpenAI Operator 為 58.3%，Gemini 2.5 Computer Use 為 57.3%；9B 為 63.4%，幾乎是前代 Fara-7B 的兩倍；4B 則在裝置上跑出 57%。換言之，最小的 4B 版本已能追平 Gemini 2.5 Computer Use 的水準。
所以呢：小模型加共同設計的 harness
這次開源背後的賭注是：小模型搭配與之共同設計的 harness，能逼近 frontier 規模的 agentic 能力。對開發者而言，最大意義不在模型本身多強，而在可檢視、可接手的 agent 設計——MagenticLite 全程顯示推理過程、隨時可由人接手、關鍵動作暫停等待核可，4B 版搭配 Quicksand 沙箱可讓瀏覽器任務、檔案與資料不離開本機。對不想被單一平台鎖定的團隊，這是一條可落地、可控的開源 agent 路徑。同一套「小模型＋共同設計的 harness」賭注，也體現在 Microsoft 以 hill-climbing 把自研 MAI 模型推上 Copilot 與 Excel 前沿——差別在 MagenticLite 走開源、MAI 走產品內閉環訓練。
