微软发布Phi-3.5系列模型，性能超越Gemini 1.5 Flash与GPT-4o

660 0 0

文章摘要

微软公司在大模型领域的最新发展中取得了显著成果，宣布推出了三款全新的Phi-3.5模型，旨在加强其在多语言和多模态人工智能领域的领导地位。这些模型分别是Phi-3.5-mini-instruct、Phi-3.5-MoE-instruct和Phi-3.5-vision-instruct，参数分别为38.2亿、419亿和41.5亿，分别针对基本推理、高级推理和视觉任务设计。

Phi-3.5-mini-instruct是一款轻量级AI模型，专为计算资源受限的环境优化，支持128k的Token上下文长度，适用于代码生成、数学问题求解和逻辑推理等任务。该模型在多语言和多轮对话任务中表现优异，性能接近最先进模型，并在RepoQA基准测试中超越了其他类似大小的模型。

Phi-3.5-MoE（专家混合）模型是微软首次推出的此类模型，采用具有420亿活跃参数的架构，提供可扩展的AI性能以满足苛刻的应用需求。该模型在代码、数学和多语言理解方面表现出色，在RepoQA和5-shot MMLU基准测试中超越了更大的模型。MoE模型的独特架构使其在处理复杂AI任务时保持效率，并能够应对多语言任务。

Phi-3.5-vision-instruct是一款集成了文本和图像处理功能的多模态模型，适合执行图像理解、光学字符识别、图表和表格理解以及视频总结等任务。该模型支持128k的Token上下文长度，能够处理复杂的多帧视觉任务。微软指出，该模型通过使用合成数据集和筛选后的公开数据集进行训练，重点是高质量、推理密集的数据。

这三款Phi-3.5模型均在MIT许可证下发布，体现了微软支持开源社区的承诺。开发人员可以自由使用、修改、合并、发布、分发、再许可或出售这些软件。该许可证还包括免责声明，软件是“按原样”提供的，不提供任何形式的保证。

微软发布的Phi-3.5系列代表了多语言和多模态AI开发的重大进步。通过将这些模型以开源许可证发布，微软使开发者能够将高级的AI能力集成到他们的应用程序中，推动商业和研究领域的创新。这些模型在第三方基准测试中表现出接近最先进模型的性能，在某些情况下甚至击败了谷歌的Gemini 1.5 Flash、Meta的Llama 3.1和OpenAI的GPT-4o等其他AI产品。这样的性能优势，加上宽松的开源许可证，使得微软在社交网络上获得了广泛赞誉。

微软和OpenAI的合作已经取得了成功，但微软并未满足于此，而是继续在大模型领域深耕细作，不断研发和推进。这次发布的Phi-3.5模型系列是微软在多语言和多模态AI领域的最新成果，展示了其在这一领域的领先地位和创新能力。通过提供高性能、易于使用的AI模型，并采用宽松的开源许可证，微软为开发者和研究者提供了强大的工具，以推动AI技术的发展和应用。