Microsoft prezentuje rodzinę Phi-4: skok w technologii modeli językowych
W grudniu 2024 r. Microsoft wprowadził na rynek Phi-4, najnowocześniejszy model małego języka (SLM), który wyznacza nowy punkt odniesienia w swojej kategorii. Opierając się na tym sukcesie, firma wprowadziła teraz dwa dodatkowe modele: Phi-4-multimodal i Phi-4-mini, rozszerzając możliwości rodziny Phi-4.
Różnorodna funkcjonalność modeli Phi-4
Model Phi-4-multimodalny jest szczególnie godny uwagi, ponieważ płynnie integruje przetwarzanie mowy, obrazu i tekstu w ramach jednego ujednoliconego frameworka. Dzięki imponującej skali 5, 6 miliarda parametrów wyróżnia się jako pierwszy multimodalny model językowy Microsoftu. Model ten nie tylko zwiększa elastyczność, ale także znacznie przewyższa czołowych konkurentów, takich jak Gemini 2.0 Flash i Gemini 2.0 Flash Lite firmy Google w różnych testach porównawczych.
Doskonałość w rozpoznawaniu mowy
W dziedzinie rozpoznawania mowy Phi-4-multimodal przewyższa specjalistyczne modele, takie jak WhisperV3 i SeamlessM4T-v2-Large. Zajął pierwsze miejsce w tabeli liderów Hugging Face OpenASR, osiągając niezwykły wskaźnik błędów słów wynoszący zaledwie 6, 14%.Ustanawia to je jako wiodące rozwiązanie do zadań automatycznego rozpoznawania mowy (ASR) i tłumaczenia mowy (ST).
Wysoka wydajność w zadaniach wymagających widzenia
Ponadto model ten wykazuje solidną wydajność w zadaniach skoncentrowanych na wizji, szczególnie w takich obszarach jak rozumowanie matematyczne i analiza naukowa. Jego możliwości w zakresie rozumienia dokumentów, wykresów wizualnych, optycznego rozpoznawania znaków (OCR) i rozumowania wizualnego dorównują lub przewyższają te znane modele, takie jak Gemini-2-Flash-lite-preview i Claude-3.5-Sonnet.
Phi-4-mini: Możliwości ukierunkowanego tekstu
Z drugiej strony Phi-4-mini, z 3, 8 miliarda parametrów, wykazuje lepszą wydajność w zadaniach opartych na tekście. Skutecznie radzi sobie z rozumowaniem, matematyką, wyzwaniami kodowania, podążaniem za instrukcjami i wywoływaniem funkcji, często przewyższając większe modele.
Zalety w zakresie bezpieczeństwa i wdrażania
Aby rozwiązać problemy związane z bezpieczeństwem, Microsoft zapewnił rygorystyczne testowanie tych modeli z uwzględnieniem spostrzeżeń zarówno wewnętrznych, jak i zewnętrznych ekspertów ds.bezpieczeństwa, kierując się strategiami Microsoft AI Red Team (AIRT).Zarówno Phi-4-multimodal, jak i Phi-4-mini są przeznaczone do wdrażania na urządzeniu, dodatkowo zoptymalizowane przy użyciu ONNX Runtime w celu zwiększenia kompatybilności międzyplatformowej. Ta funkcja sprawia, że są idealne do opłacalnych i nisko-opóźnieniowych aplikacji.
Dostępność dla programistów
Programiści mogą teraz uzyskać dostęp do modeli Phi-4-multimodal i Phi-4-mini za pośrednictwem platform takich jak Azure AI Foundry, Hugging Face i NVIDIA API Catalog. Te innowacje stanowią znaczący krok naprzód w wydajnej sztucznej inteligencji, umożliwiając programistom wykorzystanie potężnych multimodalnych i tekstowych funkcjonalności w różnych aplikacjach AI.
Powiązane artykuły:
Microsoft wycofuje menedżera haseł w Authenticatorze, aby promować przeglądarkę Edge
15:01
Przejście na Microsoft Planner w sierpniu: kluczowe funkcje zostaną wycofane
14:19
Dlaczego komputery z systemem Windows 11 Copilot+ są wydajniejsze od komputerów z systemem Windows 10 według Microsoftu
8:23
Dodaj komentarz ▼