Microsoft lanzó varios nuevos modelos de IA “abiertos” el miércoles, el más capaz de los cuales es competitivo con el O3-Mini de Operai en al menos un punto de referencia.
Todos los nuevos modelos con licencia de pemissiva (Phi 4 Mini Railenting, Phi 4 Railreing y Phi 4 Raoneling Plus) son modelos de “razonamiento”, lo que significa que pueden pasar más soluciones de verificación de tiempo a problemas complejos. Expanden la familia Phi “Small Model” de Microsoft, que la compañía lanzó hace un año para ofrecer una base para los desarrolladores de IA Builting Apps en The Edge.
El razonamiento PHI 4 Mini fue entrenado en aproximadamente 1 millón de problemas matemáticos sintéticos generados por el modelo de razonamiento R1 de la startup de IA China Deepseek. Alrededor de 3.8 mil millones de parámetros de tamaño, el razonamiento Phi 4 Mini está diseñado para aplicaciones educativas, dice Microsoft, como “tutoría integrada” en dispositivos livianos.
Los parámetros corresponden aproximadamente a las habilidades de resolución de problemas de un modelo, y los modelos con más parámetros generalmente funcionan mejor que aquellos con menos parámetros.
El razonamiento PHI 4, un modelo de 14 billones de parámetros, fue entrenado utilizando datos web de “alta calidad”, así como “demostraciones curadas” del mencionado O3-Mini antes mencionado de Openi. Es mejor para las aplicaciones de matemáticas, ciencias y codificación, según Microsoft.
En cuanto al razonamiento PHI 4 Plus, es el modelo PHI-4 lanzado previamente de Microsoft adaptado en un modelo de razonamiento para lograr una mejor precisión en tareas particulares. Microsoft afirma que el razonamiento PHI 4 Plus aborda los niveles de rendimiento de R1, un modelo con significativamente más parámetros (671 mil millones). La evaluación comparativa interna de la compañía también tiene un razonamiento PHI 4 más coincidencia de O3-Mini en Omnimath, una prueba de habilidades matemáticas.
Phi 4 Mini Razoning, Phi 4 Razoning y Phi 4 Razoning Plus están disponibles en la plataforma AI Dev Hugging Face acompañada de informes técnicos detallados.
Evento de TechCrunch
Berkeley, CA
|
5 de junio
Reservar ahora
“Usando la destilación, el aprendizaje de refuerzo y los datos de alta calidad, estos [new] Los modelos equilibran el tamaño y el rendimiento “, escribió Microsoft en una publicación de blog.” Son lo suficientemente pequeños para entornos de baja latencia, pero mantienen fuertes capacidades de razonamiento que rivalizan con modelos mucho más grandes. Esta combinación permite que incluso los dispositivos limitados por recursos realicen tareas de razonamiento complejas de manera eficiente “.
