Qu’est-ce que Magentic-UI (MagenticLite) ?
Magentic-UI a commencé en 2025 comme agent web de Microsoft Research réglé pour les modèles de pointe. En mai 2026, la version 0.2 l'a remplacé par MagenticLite, qui garde le nom du paquet mais est une appli différente : un modèle orchestrateur, MagenticBrain (14 milliards de paramètres, fine-tuné depuis Qwen 3 14B), planifie le travail et confie les étapes web à Fara1.5, un modèle d'usage d'ordinateur en tailles 4B, 9B et 27B basé sur Qwen 3.5. L'ancienne version à modèle de pointe vit sur une branche magentic-ui-0.1 séparée.
Il tourne sur votre propre machine comme appli web locale, fonctionne à travers un navigateur et votre système de fichiers, demande l'approbation avant les actions critiques, et met les sessions de navigateur dans un bac à sable VM léger appelé Quicksand. Microsoft qualifie les trois composants de versions de recherche, et la documentation qualifie MagenticLite de prototype de recherche.
Le code et les deux poids de modèles sont sous licence MIT. La dernière version PyPI est 0.2.2, du 21 juillet 2026, et le dernier commit sur la branche main était le 23 juillet 2026.
Magentic-UI (MagenticLite) vaut-il le coup ?
MagenticLite compte plus comme preuve que comme outil. Son point est qu'un planificateur de 14B et un modèle de navigateur de 9B, tous deux ouverts sous MIT, peuvent gérer la recherche web, le remplissage de formulaires et les corvées de fichiers sans API de pointe. Les propres chiffres de Microsoft soutiennent la direction : sur Online-Mind2Web, un benchmark de 300 tâches, il dit que Fara1.5 presque double son prédécesseur Fara-7B et que la variante 27B passe 90 %. Ce sont des résultats auto-rapportés du billet de lancement, et le score du modèle 9B n'est montré que dans un graphique.
Le coût pratique est l'hébergement. MagenticLite ne regroupe pas les modèles ; il a besoin de deux endpoints compatibles OpenAI, un par rôle. L'exemple Hugging Face du guide d'hébergement suggère un L40S à environ 1,80 $ l'heure pour Fara et un RTX PRO 6000 à environ 2,75 $ l'heure pour MagenticBrain, environ 4,55 $ l'heure pendant que les deux tournent, et le scale-to-zero apporte des démarrages à froid de 30 à 90 secondes. Les faire tourner sur vos propres GPU signifie deux serveurs vLLM, que le guide met en place sur deux machines à un seul GPU. D'autres modèles peuvent être branchés, mais la documentation avertit que les prompts sont réglés pour ces deux-là.
La conception de sécurité est la partie la plus transférable. Les sessions de navigateur tournent à l'intérieur de la VM Quicksand, qui a besoin de KVM sur Linux et WSL2, et l'agent s'arrête pour approbation avant les actions critiques. Le guide d'installation est franc sur le fait que l'appli expose les contrôles du système de fichiers de l'hôte à quiconque peut l'atteindre, et qu'héberger pour plusieurs utilisateurs équivaut à distribuer un accès shell.
La page des limitations est exceptionnellement franche : les résumés manquent du contenu, les longues conversations se dégradent, le planificateur peut ignorer une correction d'utilisateur en cours de tâche, les téléversements de fichiers via les formulaires web ne fonctionnent pas, et les images ne peuvent pas être des entrées de tâche. Ajoutez que la branche main n'a pas eu de commit depuis le 23 juillet 2026 et que le nom de version est désormais porté par deux produits différents, et c'est un projet à étudier, pas à bâtir un processus métier dessus.
Là où il fait la différence
Un ingénieur ML dans une banque qui ne peut pas envoyer de pages client à une API de pointe
Tester si les modèles ouverts peuvent faire tourner des formulaires web internes sur site
Servez Fara1.5-9B et MagenticBrain avec vLLM sur deux GPU internes et pointez MagenticLite vers les deux. Aucune page ne quitte le réseau, mais la page des limitations signifie qu'une personne devrait approuver chaque soumission.
Un laboratoire universitaire qui étudie la sécurité des agents
Comparer comment un petit planificateur et un modèle de navigateur gèrent les corrections humaines en cours de tâche
Utilisez le mode d'échec documenté, où MagenticBrain peut renvoyer Fara à la sous-tâche originale après une correction, comme cas de test. Les endpoints Hugging Face à environ 4,55 $ l'heure pour les deux modèles gardent une courte étude bon marché.
Un analyste des opérations dans une entreprise de 30 personnes avec une machine GPU existante
Rassembler les prix des fournisseurs dans une feuille de calcul locale chaque semaine
Faites-le tourner en mode all par défaut pour que le modèle de navigateur collecte les prix et que l'orchestrateur écrive le fichier. Attendez-vous à superviser ; les longues sessions se dégradent et les résumés peuvent abandonner des éléments.
Avant de vous engager
- Mise en route
- uv venv --python=3.12, uv pip install "magentic_ui>=0.2.0" (épinglez-le, ou PyPI peut servir 0.1.x), puis magentic-ui --port 8081 et suivez l'intégration. Testé sur les Mac Apple Silicon et Windows 11 avec WSL2 ; Linux natif non testé, Windows ARM64 non pris en charge. Les endpoints Hugging Face prennent environ 5 à 10 minutes à construire.
- Intégrations
- Tout endpoint /v1/chat/completions compatible OpenAI pour chaque rôle ; Azure OpenAI via config.yaml uniquement. Trois modes d'agent : les deux agents, orchestrateur seul pour les tâches locales, ou navigateur seul.
- Données et confidentialité
- Tourne localement ; les pages et fichiers ne vont qu'aux endpoints de modèles que vous configurez. L'appli expose les contrôles du système de fichiers de l'hôte à quiconque peut l'atteindre, si bien qu'elle ne devrait pas être partagée. Le code et les poids sont MIT, sans plafond de revenu ou d'usage dans la licence.
- Coût à grande échelle
- Sur Hugging Face, environ 1,80 $ l'heure pour Fara sur un L40S et 2,75 $ pour MagenticBrain sur un RTX PRO 6000, soit environ 800 $ par mois si les deux tournent 8 heures par jour pendant 22 jours ouvrés. L'auto-hébergement a besoin de deux machines GPU ou d'une assez grande pour deux serveurs vLLM.
- Limites
- Environ 20 issues ouvertes. Une seule instance par port. Pas de téléversements de fichiers via navigateur, pas d'entrées d'images, résumé de longs documents faible, et planification qui peut outrepasser le pilotage de l'utilisateur. La base de données de 0.2 ne migre pas depuis 0.1.
Les points forts
- Code et les deux modèles sous MIT
- Tourne sans appels d'API de modèle de pointe
- Navigateur mis en bac à sable dans une VM locale, avec approbation avant les actions critiques
- Limitations publiées franches et note de transparence
Les points faibles
- A besoin de deux endpoints de modèles GPU séparés
- Prototype de recherche ; pas de commits sur main depuis juillet 2026
- Ne peut pas téléverser de fichiers via les formulaires web ni prendre d'images en entrée
- 0.1 et 0.2 sont des produits différents sous un seul nom de paquet
Idéal pour
Les chercheurs et ingénieurs plateforme qui évaluent les petits modèles ouverts pour des agents d'usage d'ordinateur sur du matériel qu'ils contrôlent.
Alternatives à Magentic-UI (MagenticLite)
Magentic-UI (MagenticLite) : questions fréquentes
- Magentic-UI (MagenticLite) vaut-il le coup ?
- MagenticLite est un regard valable sur ce que les petits modèles ouverts peuvent faire comme agent de navigateur, mais c'est un prototype de recherche qui a besoin de deux endpoints GPU et s'est tu depuis juillet. Nous lui donnons 3.4 sur 5.
- Combien coûte Magentic-UI (MagenticLite) ?
- Gratuit sous MIT, y compris les poids MagenticBrain et Fara1.5. Vous hébergez les deux modèles vous-même ou sur un cloud GPU.
- Quels sont les inconvénients de Magentic-UI (MagenticLite) ?
- A besoin de deux endpoints de modèles GPU séparés; prototype de recherche ; pas de commits sur main depuis juillet 2026; ne peut pas téléverser de fichiers via les formulaires web ni prendre d'images en entrée; 0.1 et 0.2 sont des produits différents sous un seul nom de paquet.
- À qui s’adresse Magentic-UI (MagenticLite) ?
- Les chercheurs et ingénieurs plateforme qui évaluent les petits modèles ouverts pour des agents d'usage d'ordinateur sur du matériel qu'ils contrôlent.
- Combien coûte Magentic-UI (MagenticLite) pour une équipe ou en production ?
- Sur Hugging Face, environ 1,80 $ l'heure pour Fara sur un L40S et 2,75 $ pour MagenticBrain sur un RTX PRO 6000, soit environ 800 $ par mois si les deux tournent 8 heures par jour pendant 22 jours ouvrés. L'auto-hébergement a besoin de deux machines GPU ou d'une assez grande pour deux serveurs vLLM.
- Magentic-UI (MagenticLite) est-il sûr pour les données de l’entreprise ?
- Tourne localement ; les pages et fichiers ne vont qu'aux endpoints de modèles que vous configurez. L'appli expose les contrôles du système de fichiers de l'hôte à quiconque peut l'atteindre, si bien qu'elle ne devrait pas être partagée. Le code et les poids sont MIT, sans plafond de revenu ou d'usage dans la licence.
- Quelles sont les meilleures alternatives à Magentic-UI (MagenticLite) ?
- Les alternatives les plus proches que nous avons testées sont Browser Use, Skyvern, BrowserOS et OpenHands.
Réponses vérifiées le 26 oct. 2026.