微軟推出全能新模型：Phi-4 多模態(tài)及迷你模型，視覺、語(yǔ)音、文本一網(wǎng)打盡！
隨著科技的飛速發(fā)展，人工智能（AI）技術(shù)在各個(gè)領(lǐng)域的應(yīng)用越來越廣泛，其中多模態(tài)和文本處理能力的重要性日益凸顯。近日，微軟再次引領(lǐng)行業(yè)潮流，推出了全新的Phi-4 多模態(tài)及迷你模型，這一重大進(jìn)步無(wú)疑為各類人工智能應(yīng)用帶來了強(qiáng)大的多模態(tài)和文本處理能力。
Phi-4 多模態(tài)模型是微軟首款集成語(yǔ)音、視覺和文本處理的統(tǒng)一架構(gòu)多模態(tài)語(yǔ)言模型，參數(shù)量高達(dá) 56 億，這一數(shù)字令人矚目。在多項(xiàng)基準(zhǔn)測(cè)試中，Phi-4 多模態(tài)的表現(xiàn)優(yōu)于其他現(xiàn)有的先進(jìn)全模態(tài)模型，例如谷歌的 Gemini 2.0 Flash 和 Gemini 2.0 Flash Lite。這一卓越表現(xiàn)不僅證明了微軟在多模態(tài)處理方面的技術(shù)實(shí)力，也預(yù)示著未來更多的可能性。
在語(yǔ)音相關(guān)任務(wù)中，Phi-4 多模態(tài)在自動(dòng)語(yǔ)音識(shí)別（ASR）和語(yǔ)音翻譯（ST）方面超越了 WhisperV3 和 SeamlessM4T-v2-Large 等專業(yè)語(yǔ)音模型。該模型在 Hugging Face OpenASR 排行榜上以 6.14% 的詞錯(cuò)誤率位居榜首，這一成績(jī)無(wú)疑證明了其在語(yǔ)音處理領(lǐng)域的領(lǐng)先地位。值得一提的是，Phi-4 多模態(tài)在視覺相關(guān)任務(wù)中同樣表現(xiàn)出色，其在數(shù)學(xué)和科學(xué)推理方面的表現(xiàn)尤為出色。在文檔理解、圖表理解、光學(xué)字符識(shí)別（OCR）和視覺科學(xué)推理等常見多模態(tài)能力方面，該模型與 Gemini-2-Flash-lite-preview 和 Claude-3.5-Sonnet 等流行模型相媲美甚至超越。
與此同時(shí)，微軟還推出了另一款全新模型：Phi-4 迷你。Phi-4 迷你專注于文本任務(wù)，參數(shù)量為 38 億。其在文本推理、數(shù)學(xué)計(jì)算、編程、指令遵循和函數(shù)調(diào)用等任務(wù)中表現(xiàn)優(yōu)異，超越了多款流行的大型語(yǔ)言模型。這款迷你模型的出現(xiàn)，無(wú)疑為那些專注于文本處理的場(chǎng)景提供了更為高效和精準(zhǔn)的工具。
為了確保新模型的安全性和可靠性，微軟邀請(qǐng)了內(nèi)部和外部安全專家進(jìn)行測(cè)試，并采用了微軟人工智能紅隊(duì)（AIRT）制定的策略。經(jīng)過進(jìn)一步優(yōu)化后，Phi-4 迷你和 Phi-4 多模態(tài)模型均可通過 ONNX Runtime 部署到設(shè)備端，實(shí)現(xiàn)跨平臺(tái)使用，適用于低成本和低延遲場(chǎng)景。這一部署方式的靈活性，無(wú)疑將大大拓展了模型的適用范圍。
目前，Phi-4 多模態(tài)和 Phi-4 迷你模型已在 Azure AI Foundry、Hugging Face 和 NVIDIA API 目錄中上線，供開發(fā)者使用。這一舉措無(wú)疑將加速人工智能技術(shù)的發(fā)展，為開發(fā)者提供更多的創(chuàng)新機(jī)會(huì)。
總的來說，微軟推出的 Phi-4 多模態(tài)及迷你模型，無(wú)疑是一次技術(shù)革新的重大突破。這兩款模型在視覺、語(yǔ)音、文本處理方面的卓越表現(xiàn)，將為各類人工智能應(yīng)用帶來強(qiáng)大的多模態(tài)和文本處理能力。未來，隨著這兩款模型的廣泛應(yīng)用和優(yōu)化，我們有理由相信，人工智能將在更多領(lǐng)域發(fā)揮出更大的潛力。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
