原標題：微軟首個多模態Phi-4問世，56億參數秒殺GPT-4o！LoRA華人大佬帶隊
文章來源：新智元
內容字數：7329字

微軟Phi-4系列模型：小而強大，多模態賦能未來

微軟近日發布了Phi-4系列的兩個新成員：Phi-4-multimodal和Phi-4-mini，這兩個小巧卻功能強大的模型，標志著微軟在人工智能領域的又一重大突破。

1. Phi-4-multimodal：首個多模態模型，性能卓越

   Phi-4-multimodal是微軟首個集語音、視覺和文本多模態于一體的模型，參數量僅為56億。它采用混合LoRA技術，在統一的表示空間內處理多種模態信息，實現了高效、低延遲的推理。其性能在多個基準測試中超越了部分大型開源模型，例如在語音識別方面超過了WhisperV3和SeamlessM4T-v2-Large，在視覺推理方面也表現出色，甚至在某些任務上超過了Gemini-2-Flash-lite-preview和Claude-3.5-Sonnet。

   該模型的應用場景廣泛，例如可以理解圖像并生成Markdown表格，進行實時語言翻譯、照片和視頻分析等。其優異的性能和低資源消耗使其成為嵌入智能設備和邊緣計算平臺的理想選擇。

2. Phi-4-mini：參數精簡，性能強勁

   Phi-4-mini擁有38億參數，是一個高效的解碼器模型，支持128K token上下文，并在推理、數學、編程等任務中超越了參數更大的模型。在Math-500數學測試中，它取得了90.4分的驚人成績，與DeepSeek R1、o1-mini不相上下。其強大的函數調用功能使其能夠訪問外部知識和功能，進一步提升了其在基于文本任務中的表現。

   Phi-4-mini的低資源消耗和高性能使其非常適合在計算資源受限的環境中使用，例如嵌入手機、汽車等設備中。

3. 應用場景廣泛，賦能各行各業

   Phi-4系列模型的低資源消耗和高性能使其在多個領域具有廣泛的應用前景。例如，在手機領域，可以集成到手機中，提供實時語言翻譯、圖像分析等功能；在汽車領域，可以用于車載輔助系統，提高駕駛安全性；在金融領域，可以用于自動化金融計算、生成報告等。

4. 微軟的持續創新和技術實力

   Phi-4系列模型的發布，離不開微軟在人工智能領域持續的研發投入和技術積累。微軟副總裁Weizhu Chen及其團隊在LoRA等技術的研發方面做出了突出貢獻，為Phi系列模型的成功奠定了堅實的基礎。這些創新技術不僅推動了微軟自身產品的進步，也為整個行業的發展做出了貢獻。

總而言之，Phi-4-multimodal和Phi-4-mini的推出，展現了微軟在小模型領域的技術實力，也為人工智能的未來發展提供了新的可能性。它們高效、強大的性能，以及廣泛的應用場景，將為各行各業帶來變革性的影響。

聯系作者

文章來源：新智元
作者微信：
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。