Microsoft lança agente de navegador com 27 bilhões de parâmetros

O agente enxerga a tela e age por coordenadas

O modelo recebe o objetivo do usuário, a captura atual do navegador e o histórico de pensamentos e ações. Em seguida, emite chamadas estruturadas para clicar, digitar, rolar a página, visitar URLs e fazer buscas. Ele aponta coordenadas de pixels diretamente, sem usar um modelo separado para localizar elementos.

A Microsoft não apresenta, na página, uma comparação detalhada com modelos anteriores da família Fara. O diferencial descrito para esta versão está no uso exclusivo de imagens na percepção: o agente vê o navegador como uma pessoa vê a tela. A arquitetura combina imagem e texto na entrada e produz texto com blocos de raciocínio e chamadas XML para ferramentas.

O Fara1.5-27B também interrompe o fluxo antes de inserir dados pessoais, pagar, enviar formulários, iniciar sessão ou mandar mensagens. Essa trava vale mesmo quando o agente poderia continuar sozinho. O contexto chega a 262.144 tokens, o que permite guardar muitas capturas de tela e ações na mesma trajetória.

O peso exige GPUs e atenção à implantação

A Microsoft ajustou o modelo a partir do Qwen/Qwen3.5-27B com dados gerados pelo FaraGen1.5, um processo que cria tarefas web, executa trajetórias e verifica os resultados. O treinamento ocorreu entre janeiro de 2026 e abril de 2026, usando 64 NVIDIA B200 durante seis dias. O modelo trabalha na tarefa image-text-to-text e aparece na biblioteca Transformers.

Os pesos vêm em 10 arquivos no formato safetensors, sob licença MIT. O número de parâmetros e o formato não permitem concluir que ele rode em uma máquina comum de desenvolvedor ou em CPU. A ficha recomenda um conjunto de GPUs com memória suficiente para um modelo de 27B em bf16 e sugere dividir a carga entre pelo menos duas GPUs; A6000, A100, H100 e B200 foram testadas.

A recomendação oficial coloca o modelo dentro do MagenticLite, que executa o navegador em um contêiner Docker sem acesso aos arquivos ou às variáveis de ambiente da máquina hospedeira. O pacote também oferece listas de domínios permitidos, monitoramento em tempo real, registros completos e pausa imediata. Quem integrar o modelo diretamente precisa criar esses controles.

A licença MIT permite usar, modificar e distribuir o modelo em produtos comerciais, desde que os avisos exigidos pela licença acompanhem a distribuição. Ela não impede a empresa de cobrar pelo software construído em torno do modelo. O controle de acesso ao navegador, porém, fica fora da licença e continua sob responsabilidade de quem implantar o agente.

A publicação chegou ao Hugging Face com 3.073 downloads no mês e 278 curtidas. Para desenvolvedores no Brasil, o acesso aos pesos e a licença reduzem a barreira jurídica para testar aplicações comerciais, mas o custo técnico continua relevante por causa das GPUs recomendadas. O lançamento reforça o movimento de disponibilizar pesos abertos para agentes de computador, sem transformar a automação do navegador em uma tarefa simples de operar com segurança.