🕷️
SetupAI
EN
💼較早收集於 42m

Phi-4-Vision 以 1/5 資料匹敵巨頭

Phi-4-Vision 以 1/5 資料匹敵巨頭
PostLinkedIn
💼閱讀原文： VentureBeat
#multimodal#vision-language#data-efficiency#reasoningphi-4-reasoning-vision-15bmicrosoftphi-4-reasoning-vision-15bhuggingfacephi-4

💡15B 模型以 200B 資料勝過萬億 token 對手—多模態部署的效率突破（28字元）

⚡ 30-Second TL;DR

有什麼變化

15B 參數，開放權重，多模態（圖像+文字）

為什麼重要

證明透過智慧資料策劃，小模型可超越巨頭，大幅降低訓練成本與碳足跡。以開放權重民主化高效多模態 AI，適用邊緣部署並擴大存取。

下一步行動

從 Hugging Face 下載 Phi-4-reasoning-vision-15B，並在你的視覺語言資料集上基準測試推理任務。

誰應關注：Developers & AI Engineers

關鍵要點

  • •15B 參數，開放權重，多模態（圖像+文字）
  • •訓練用 200B token，對比對手 1T+ token
  • •擅長數學/科學推理、圖表解讀、GUI 使用
  • •在效率與效能匹敵/超越更大模型
  • •透過 Microsoft Foundry、HuggingFace、GitHub 以寬鬆授權

🧠 深度解析

背景與延伸：來自公開資料，非原文內容。引用 6 個來源。

🔑 增強重點摘要

  • •Phi-4-multimodal-instruct 在 Huggingface OpenASR 排行榜上以 6.14% 單字錯誤率排名第一，超越 WhisperV3 和 SeamlessM4T-v2-Large。[2]
  • •模型擁有 16K 或 16.4K tokens 上下文視窗，知識截止至 2024 年 6 月，並支援圖像與語音聯合處理。[1][3]
  • •在語音任務中表現最佳於美式英語，其他口音、非英語語言及背景噪音下準確率降低；在視覺處理上受文化偏見影響，非英語文字或非西方圖像效能較差。[2]
  • •適合邊緣設備應用，如行動 AI 助理、AR 眼鏡及離線客戶支援系統，因其小尺寸高效能。[6]
📊 競品分析▸ Show
特徵/基準Phi-4-multimodal-instructPhi-3.5-vision-instruct
AI2D優於遜於
ChartQA遜於優於
InterGPS優於遜於
MathVista優於遜於
POPE遜於優於
輸入價格 (USD/1M tokens)$0.06~$0.13未提供
輸出價格 (USD/1M tokens)$0.14~$0.50未提供
輸出速度 (tokens/s)7.1未提供

🛠️ 技術深入

  • •參數規模為 14B 或 15B，屬小語言模型 (SLM)，使用高品質合成資料集、有機資料策畫及後訓練創新提升數學推理。[5]
  • •支援多模態輸入包括文字、圖像及語音，具結構化輸出功能，使用其他 tokenizer。[3]
  • •推理速度 7.1 tokens/s，第一 token 時間 3.09s，於 Azure API 測量，較同尺寸開源模型慢。[1]
  • •在視覺-語音任務中優於 Phi-3.5-Vision 及同尺寸開源模型，並通過 RTVLM 和 VLGuard 多模態 RAI 基準測試。[2]

🔮 前景展望AI analysis grounded in cited sources

Phi-4 將加速邊緣 AI 部署
其小尺寸高效能適合行動裝置及離線應用，推动 AR 眼鏡和 IoT 設備的 AI 整合。[6]
開源 SLM 將挑戰專有巨型模型
以少量 token 訓練即匹敵大模型，社區偏好透明基準及資源效率高的開源方案。[6]
多模態安全挑戰將增加
模型易受語言特定攻擊及文化偏見影響，需強化 Azure AI 內容安全功能。[2][5]

⏳ 時間線

2025-01
Phi-4 正式發布，14B 參數 SLM 於 Azure AI Foundry 和 Hugging Face 上架
2025-02
Phi-4-multimodal-instruct 在 Huggingface OpenASR 排行榜奪第一，WER 6.14%
2026-03
推出 Phi-4-reasoning-vision-15B，強調視覺語言及推理能力
💼閱讀原文： VentureBeat
📰

AI 週報

閱讀本週精選 AI 大事摘要 →

👉相關動態

同主題

探索 #multimodal

同產品

更多關於 phi-4-reasoning-vision-15b

同來源

最新來自 VentureBeat

Ox Alpha：神秘模型公開亮相

Ox Alpha：神秘模型公開亮相

虎嗅•Aug 22
DeepSeek 終於推出 Vision 模型

DeepSeek 終於推出 Vision 模型

cnBeta (Full RSS)•Aug 22
DeepSeek 推出多模態視覺 API

DeepSeek 推出多模態視覺 API

极客公园•Aug 22

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： VentureBeat ↗

這是摘要，不是原文。去看原站，或訂閱每週簡報。

每週 AI 簡報

每週一封，可隨時退訂。