A Microsoft Research acaba de lançar um conjunto de modelos de IA que conseguem navegar na web melhor do que qualquer coisa construída pela OpenAI ou Google. E, em um detalhe que deve deixar os defensores de código fechado desconfortáveis, os modelos são de peso aberto.
A família Fara1.5, lançada em 22 de maio, compreende três modelos com 4B, 9B e 27B parâmetros. A versão principal de 27B obteve 72% no benchmark Online-Mind2Web, um teste exigente que apresenta 300 tarefas em 136 sites ao vivo a agentes de IA que utilizam navegadores. O Operator da OpenAI alcançou 58,3%. O Gemini 2.5 Computer Use do Google atingiu 57,3%. Em inglês: o modelo da Microsoft completou quase três quartos das tarefas web do mundo real com sucesso, enquanto seus rivais da Big Tech não conseguiram superar seis em dez.
A lacuna de referência é real
O modelo 9B obteve 63,4%, superando os sistemas proprietários da OpenAI e do Google, apesar de ser uma fração do seu tamanho. Ele ficou a uma curta distância do Yutori Navigator n1, um agente competitivo que atingiu 64,7%.
Para contextualizar o quão rápido esse espaço está se movendo: o modelo anterior da Microsoft, Fara-7B, lançado em novembro de 2025, obteve apenas 34,1% no mesmo benchmark. Isso significa que a equipe aproximadamente dobrou o desempenho em cerca de seis meses.
Os modelos são construídos na arquitetura Qwen3.5 e utilizam algo chamado MagenticLite, uma interface de navegador isolada que fornece ao agente um ambiente controlado para interagir com páginas da web. Eles também incorporam um ciclo observar-pensar-agir com uma salvaguarda humana, o que significa que o agente pausa antes de executar ações críticas, como compras ou alterações na conta, e solicita confirmação do usuário.
A Microsoft disponibilizou o modelo 9B no Microsoft Foundry, com as versões 4B e 27B previstas para seguir.
Por que o modelo aberto importa aqui
O Operator da OpenAI e o Gemini 2.5 Computer Use da Google são sistemas proprietários. O Fara1.5, sendo de peso aberto, permite que desenvolvedores baixem, modifiquem e implante esses modelos em seu próprio hardware. A Microsoft projetou especificamente a família Fara1.5 para funcionar eficientemente em hardware modesto, com benefícios de escala proporcionais à medida que se aumenta o tamanho do modelo.
A pipeline de treinamento também recebeu uma atualização significativa. A Microsoft introduziu o FaraGen1.5, uma pipeline de dados sintéticos aprimorada que gera exemplos de treinamento melhores para interações complexas com navegadores.
O que isso significa para cripto e DeFi
A Microsoft não desenvolveu o Fara1.5 com cripto em mente. Não há integrações diretas com nenhum protocolo de blockchain, aplicativo DeFi ou projeto Web3.
As interfaces DeFi são aplicações web. Trocar tokens no Uniswap, gerenciar um vault no Aave, fazer ponte de ativos entre cadeias: todos esses são tarefas baseadas em navegador que envolvem formulários, confirmações e fluxos de trabalho em múltiplos passos — exatamente o tipo de coisa com que o Fara1.5 foi treinado para lidar.
O design com humano no loop é particularmente relevante aqui. As transações DeFi são irreversíveis. Um agente que pausa antes de assinar uma transação e solicita confirmação resolve um dos maiores riscos na atividade autônoma na cadeia: aprovar acidentalmente um contrato malicioso ou enviar fundos para o endereço errado.