Microsoft Research、小規模モデル向けエージェント基盤 MagenticLite を公開──14B 級でブラウザ・ローカル操作を統合
14B の MagenticBrain と 9B/27B の Fara1.5 を組み合わせ、商用大型モデルに依存せずローカル完結で複雑なワークフローを実行可能にした。
リリース: 2026-05-21 · 読了 4 分MagenticBrain (14B) は Qwen 3 をベースに、計画・コード生成・他モデルへの委譲を単一でこなすオーケストレーターとして訓練された。
Fara1.5 はブラウザ操作特化モデルで、Online-Mind2Web ベンチマークにおいて 27B 版が 90% 以上のスコアを記録し、旧モデル Fara-7B の性能を倍増させた。
MagenticLite アプリケーションは、ブラウザ上のフォーム入力やログイン操作と、ローカルファイルシステムの操作を単一のワークフローで統合する。
全システムがユーザーのローカル環境で動作するよう設計されており、データのプライバシーを維持しつつ推論コストを大幅に削減する。
巨大な商用 LLM を使わずに、14B 程度の SLM で「計画→ブラウザ操作→ローカル処理」のループが実用レベルで回ることを実証した。
独自のデータ生成パイプライン FaraGen により、ログインや不可逆なアクションを伴う現実的な Web タスクの成功率が飛躍的に向上している。
エージェント開発者は、高価な API 呼び出しを MagenticBrain や Fara1.5 のような SLM + ローカル実行環境に置き換えることで、ランニングコストを 1/10 以下に抑えられる。ツール呼び出しのスキーマと学習データを密結合させる設計手法は、特定ドメイン向けエージェントの精度向上における標準的なレシピとなる。
セキュリティ要件の厳しい国内の金融・製造業（大手 SIer 経由の導入を想定）において、外部 API を介さない「完全オンプレミス型エージェント」の構築が現実的な選択肢になる。Qwen ベースであるため、国内の小規模モデル開発チームが日本語 reasoning データを追加学習させる際の強力なベースラインとして機能する。