微軟在人工智能領(lǐng)域再次邁出重要一步，正式推出了Phi-4家族的兩位新成員：Phi-4多模態(tài)（Phi-4-multimodal）與Phi-4迷你（Phi-4-mini）。這兩款模型在發(fā)布之初便引起了業(yè)界的廣泛關(guān)注。

Phi-4多模態(tài)模型是微軟在多模態(tài)語(yǔ)言模型領(lǐng)域的一次重大突破。它不僅集成了語(yǔ)音、視覺和文本處理能力，更以56億的參數(shù)量，在多項(xiàng)基準(zhǔn)測(cè)試中展現(xiàn)了卓越的性能。與谷歌的Gemini 2.0 Flash及其輕量化版本相比，Phi-4多模態(tài)在多個(gè)維度上均表現(xiàn)出色。

在語(yǔ)音處理方面，Phi-4多模態(tài)模型展現(xiàn)了其強(qiáng)大的實(shí)力。在自動(dòng)語(yǔ)音識(shí)別（ASR）和語(yǔ)音翻譯（ST）任務(wù)中，它超越了WhisperV3和SeamlessM4T-v2-Large等專業(yè)模型，甚至在Hugging Face OpenASR排行榜上以6.14%的詞錯(cuò)誤率奪得了榜首。這一成績(jī)無(wú)疑為Phi-4多模態(tài)模型在語(yǔ)音處理領(lǐng)域樹立了新的標(biāo)桿。

而在視覺處理方面，Phi-4多模態(tài)同樣不甘示弱。它在數(shù)學(xué)和科學(xué)推理方面表現(xiàn)出色，尤其在文檔理解、圖表理解、光學(xué)字符識(shí)別（OCR）以及視覺科學(xué)推理等常見多模態(tài)能力方面，與Gemini-2-Flash-lite-preview和Claude-3.5-Sonnet等流行模型相比，不僅毫不遜色，甚至在某些方面實(shí)現(xiàn)了超越。

與此同時(shí)，Phi-4迷你模型則以其專注于文本任務(wù)的特點(diǎn)，吸引了大量開發(fā)者的關(guān)注。這款模型擁有38億的參數(shù)量，在文本推理、數(shù)學(xué)計(jì)算、編程、指令遵循以及函數(shù)調(diào)用等任務(wù)中均展現(xiàn)出了卓越的性能。與多款流行的大型語(yǔ)言模型相比，Phi-4迷你不僅在性能上毫不遜色，更在部署成本和效率上實(shí)現(xiàn)了顯著提升。

為了確保新模型的安全性和可靠性，微軟在推出Phi-4多模態(tài)和Phi-4迷你之前，進(jìn)行了大量的內(nèi)部和外部安全測(cè)試。同時(shí)，微軟還采用了人工智能紅隊(duì)（AIRT）制定的策略，對(duì)模型進(jìn)行了進(jìn)一步的優(yōu)化。經(jīng)過這些努力，Phi-4多模態(tài)和Phi-4迷你均成功通過了ONNX Runtime的部署測(cè)試，實(shí)現(xiàn)了跨平臺(tái)使用，適用于低成本和低延遲的場(chǎng)景。

目前，Phi-4多模態(tài)和Phi-4迷你模型已經(jīng)正式在Azure AI Foundry、Hugging Face以及NVIDIA API目錄中上線，供開發(fā)者使用。這兩款新模型的推出，不僅標(biāo)志著微軟在高效AI技術(shù)方面取得了重大進(jìn)步，更為各類人工智能應(yīng)用帶來了強(qiáng)大的多模態(tài)和文本處理能力。