微軟Phi-4家族新增兩位成員，5.6B多模態單任務超GPT-4o，3.8B小模型媲美千問7B

進擊的 SLM。

原標題：微軟Phi-4家族新增兩位成員，5.6B多模態單任務超GPT-4o，3.8B小模型媲美千問7B
文章來源：機器之心
內容字數：7888字

微軟發布Phi-4模型家族：小而美的大模型新標桿

近日，微軟正式發布了Phi-4模型家族，包括Phi-4-multimodal（多模態模型）和Phi-4-mini（語言模型），在“小而美”的道路上取得了顯著進展。與動輒百億、千億參數的大模型不同，Phi-4家族專注于在較小的參數量下實現卓越性能，為手機、PC和汽車等設備上的應用提供更輕量、更高效的解決方案。

1. Phi-4-multimodal：多模態融合的強大能力

Phi-4-multimodal是一個多模態模型，整合了文本、視覺和語音/音頻輸入模態。它采用創新的“Mixture of LoRA”技術，利用LoRA適配器和特定模態路由器，實現多種推理模式的無干擾結合。即使語音/音頻模態的LoRA組件只有46億參數，它也在OpenASR排行榜上排名第一。該模型在各種任務中表現優于大型視覺-語言模型和語音-語言模型，展現出強大的語音識別、翻譯、摘要、音頻理解和圖像分析能力。

2. Phi-4-mini：高效能的小型語言模型

Phi-4-mini擁有38億參數，在高質量網絡和合成數據上進行訓練。它顯著優于近期類似規模的開源模型，在數學和編碼任務上甚至與規模更大的模型不相上下。這得益于精心設計的合成數據配方，以及諸如分組查詢注意力機制（GQA）和輸入/輸出嵌入綁定技術等“省內存”技巧。Phi-4-mini的詞匯量擴大到20萬，支持更廣泛的多語言應用，并支持更長的上下文長度。

3. 模型架構與訓練數據

兩個模型都使用tokenizer o200k base tiktoken，詞匯量為200,064個。Phi-4-mini由32層Transformer組成，Phi-4-multimodal則采用“Mixture of LoRA”技術，通過整合特定模態的LoRAs來實現多模態功能，同時完全凍結基礎語言模型。Phi-4-mini的訓練數據經過嚴格篩選，加入了針對性的數學和編程訓練數據，并通過調整數據混合比例來提升推理能力。Phi-4-multimodal的預訓練階段則使用了豐富多樣的視覺-語言和語音數據。

4. 性能評估與應用

Phi-4-multimodal在多個基準測試中表現出色，在語音相關任務中優于專業模型，在視覺任務中也展現出強大的推理和邏輯能力。Phi-4-mini則在推理、數學、編程等任務上超越了更大的模型，并可以通過函數調用與外部知識和工具無縫集成，構建可擴展的智能體系統，例如智能家居助手。

總而言之，微軟Phi-4模型家族的發布，展現了“小而美”模型在性能和效率上的巨大潛力，為人工智能應用帶來了更多可能性。

聯系作者

文章來源：機器之心
作者微信：
作者簡介：專業的人工智能媒體和產業服務平臺