微軟并沒有滿足于與OpenAI的合作取得的AI成功，這家總部位于華盛頓州，被稱為“Redmond”的公司，今天推出了其不斷演進的Phi系列語言/多模態(tài)AI中的3個新模型，展示了其不懈的進取心。

這三款新的Phi 3.5模型包括：擁有38.2億參數(shù)的Phi-3.5-mini-instruct，擁有419億參數(shù)的Phi-3.5-MoE-instruct，以及擁有41.5億參數(shù)的Phi-3.5-vision-instruct，分別針對基礎/快速推理、更強大的推理以及視覺(圖像和視頻分析)任務設計。

所有這三款模型都可供開發(fā)者在Hugging Face上下載、使用，并根據(jù)需要進行微調和自定義，使用的是微軟品牌的MIT許可協(xié)議，允許商業(yè)使用和修改，無任何限制。

令人驚訝的是，這三款模型在許多第三方基準測試中表現(xiàn)出接近最先進的性能，甚至在某些情況下超越了其他AI供應商的產(chǎn)品，包括Google的Gemini 1.5 Flash、Meta的Llama 3.1，甚至OpenAI的GPT-4o。

Phi-3.5 Mini Instruct：為計算資源受限的環(huán)境優(yōu)化

Phi-3.5 Mini Instruct模型是一款輕量級AI模型，擁有38億參數(shù)，專為遵循指令設計，并支持128k token的上下文長度。

該模型非常適合在內存或計算資源受限的環(huán)境中需要強大推理能力的場景，包括代碼生成、數(shù)學問題求解和基于邏輯的推理任務。

盡管體積小巧，Phi-3.5 Mini Instruct模型在多語言和多輪對話任務中表現(xiàn)出競爭力，相較于其前代產(chǎn)品有顯著的改進。

它在多個基準測試中展現(xiàn)了接近最先進的性能，并在“長上下文代碼理解”的RepoQA基準測試中超越了其他類似大小的模型(Llama-3.1-8B-instruct和Mistral-7B-instruct)。

Phi-3.5 MoE：微軟的‘專家混合’

Phi-3.5 MoE(專家混合)模型似乎是微軟首次推出的此類模型，它將多種不同類型的模型結合在一起，每種模型專門針對不同的任務。

該模型采用了具有420億活躍參數(shù)的架構，支持128k token的上下文長度，為需求苛刻的應用提供可擴展的AI性能，然而，根據(jù)Hugging Face的文檔，該模型實際上只使用了66億的活躍參數(shù)。

Phi-3.5 MoE模型專為在各種推理任務中表現(xiàn)出色而設計，在代碼、數(shù)學和多語言理解方面表現(xiàn)出強勁的性能，常常在特定基準測試中超越更大規(guī)模的模型。

它在STEM(科學、技術、工程和數(shù)學)、人文學科和社會科學等多個學科的5-shot MMLU(Massive Multitask Language Understanding)測試中，表現(xiàn)優(yōu)異，甚至超越了GPT-4o mini。

MoE模型的獨特架構使其在處理多語言復雜AI任務時保持高效。

Phi-3.5 Vision Instruct：高級多模態(tài)推理

作為Phi系列的最后一款模型，Phi-3.5 Vision Instruct模型整合了文本和圖像處理功能。

這一多模態(tài)模型特別適合于一般圖像理解、光學字符識別、圖表和表格理解以及視頻摘要等任務。

與Phi-3.5系列中的其他模型一樣，Vision Instruct支持128k token的上下文長度，使其能夠處理復雜的多幀視覺任務。

微軟強調，該模型是通過合成數(shù)據(jù)和經(jīng)過篩選的公開數(shù)據(jù)集訓練的，重點在于高質量和富含推理的數(shù)據(jù)。

新Phi三款模型的訓練

Phi-3.5 Mini Instruct模型在使用512個H100-80G GPU的情況下，經(jīng)過10天的訓練，處理了3.4萬億個tokens，而Vision Instruct模型則使用256個A100-80G GPU，經(jīng)過6天的訓練，處理了5000億個tokens。

采用專家混合架構的Phi-3.5 MoE模型，使用512個H100-80G GPU，在23天內處理了4.9萬億個tokens。

MIT許可下的開源

所有三款Phi-3.5模型均在MIT許可協(xié)議下發(fā)布，體現(xiàn)了微軟對支持開源社區(qū)的承諾。

此許可允許開發(fā)者自由使用、修改、合并、發(fā)布、分發(fā)、再許可或出售軟件的副本。

該許可還包括免責聲明，即軟件是“按原樣”提供的，不附帶任何形式的保證。微軟及其他版權持有人不對因使用該軟件而引發(fā)的任何索賠、損害或其他責任承擔責任。

微軟發(fā)布的Phi-3.5系列代表了多語言和多模態(tài)AI開發(fā)的一個重要進展。

通過以開源許可的形式提供這些模型，微軟使開發(fā)者能夠將最先進的AI能力集成到他們的應用中，從而推動商業(yè)和研究領域的創(chuàng)新。