Microsoft Phi-4 Multimodal: AI e Utloisisang Lentsoe, Litšoantšo le Sengoloa

Microsoft e nkile mohato oa pele lefats'eng la mefuta ea lipuo e nang le multimodal Phi-4, bohlale ba maiketsetso ba morao-rao le bo tsoetseng pele bo khonang ho sebetsa ka nako e le 'ngoe, litšoantšo le lentsoe. Mohlala ona, hammoho le Phi-4-mini, o emela a Ho iphetola ha lintho ka bokhoni ba mehlala e menyenyane (SLM), e fanang ka ts'ebetso le ho nepahala ntle le tlhoko ea li-parameter tse ngata.

Ho fihla ha Phi-4-multimodal ha ho bolele feela ntlafatso ea theknoloji bakeng sa Microsoft, empa hape E qothisana lehlokoa le mefuta e meholo e kang ea Google le Anthropic. Meaho ea eona e ntlafalitsoeng le bokhoni ba eona ba ho beha mabaka bo e etsa khetho e khahlehang bakeng sa lits'ebetso tse ngata, ho tloha phetolelong ea mochine ho ea ho setšoantšo le temoho ea lentsoe.

Phi-4-multimodal ke eng, 'me e sebetsa joang?

Phi-4-multimodal ke mohlala oa AI o ntlafalitsoeng ke Microsoft o ka sebetsang ka nako e le 'ngoe mongolo, litšoantšo le lentsoe. Ho fapana le mehlala ea setso e sebetsang ka mokhoa o le mong, bohlale bona ba maiketsetso bo kopanya mehloli e sa tšoaneng ea boitsebiso sebakeng se le seng sa boemeli, ka lebaka la tšebeliso ea mekhoa ea ho ithuta ka ho fapanyetsana.

Mohlala o hahiloe holim'a mohaho oa Liparamitha tse limilione tse likete tse 5.600, ho sebelisa mokhoa o tsejoang ka hore ke LoRAs (Low-Rank Adaptations) ho kopanya mefuta e fapaneng ea data. Sena se lumella ho nepahala ho hoholo ha ho sebetsa ha puo le tlhaloso e tebileng ea moelelo.

Bokhoni ba bohlokoa le melemo

Phi-4-multimodal e sebetsa ka ho khetheha mesebetsing e mengata ea bohlokoa e hlokang bohlale bo phahameng ba maiketsetso:

• Tlhokomeliso ea lentsoe: E sebetsa hantle ho feta mefuta e ikhethileng joalo ka WhisperV3 litekong tsa ho ngola le ho fetolela ka mochini.
• Ts'ebetso ea setšoantšo: E khona ho fetolela litokomane, lits'oants'o le ho etsa OCR ka nepo e kholo.
• Khokahano ea ho lieha ha nako e tlase: Sena se e lumella ho sebetsa ho lisebelisoa tsa mehala le tse nang le matla a tlase ntle le ho tela ts'ebetso.
• Ho kopanya ka mokhoa o se nang moeli pakeng tsa mekhoa: Bokhoni ba bona ba ho utloisisa mongolo, puo le litšoantšo hammoho bo ntlafatsa menahano ea bona ea maemo.

Papiso le mehlala e meng

Mabapi le ts'ebetso, Phi-4-multimodal e ipakile e lumellana le mefuta e meholoanyane. Ha ho bapisoa le Gemini-2-Flash-lite le Claude-3.5-Sonnet, e finyella liphello tse tšoanang mesebetsing ea li-multimodal, ha e ntse e boloka katleho e phahameng ka lebaka la moralo oa eona o kopanetsoeng.

Leha ho le jwalo, e hlahisa mefokolo e itseng lipotsong le likarabong tsa lentsoe, moo mehlala e kang GPT-4o le Gemini-2.0-Flash e nang le molemo. Sena se bakoa ke boholo ba mohlala oa eona o monyane, e amang paballo ya tsebo ya nnete. Microsoft e bontšitse hore e sebetsa ho ntlafatsa bokhoni bona liphetolelong tse tlang.

Phi-4-mini: ngoan'abo e monyenyane oa Phi-4-multimodal

Hammoho le Phi-4-multimodal, Microsoft e boetse e qalile Phi-4-mini, mofuta o ntlafalitsoeng bakeng sa mesebetsi e itseng e thehiloeng ho mongolo. Mohlala ona o etselitsoe ho fana bokgabane bo phahameng tshebetsong ya puo ya tlhaho, e etsa hore e be e loketseng bakeng sa li-chatbots, bathusi ba sebele, le lisebelisoa tse ling tse hlokang kutloisiso e nepahetseng le tlhahiso ea mongolo.

Ho fumaneha le lits'ebetso

Microsoft e entse hore Phi-4-multimodal le Phi-4-mini li fumanehe ho bahlahisi ka Azure AI Foundry, Hugging Face, le NVIDIA API Catalog. Sena se bolela hore k'hamphani kapa mosebelisi ofe kapa ofe ea nang le phihlello ea li-platform tsena a ka qala ho leka mohlala le ho o sebelisa maemong a fapaneng.

Ho latela mokhoa oa eona oa multimodal, Phi-4 e E reretsoeng makala a kang:

• Phetolelo ea mochini le mongolo oa nako ea nnete.
• Tlhokomelo ea litokomane le tlhahlobo bakeng sa likhoebo.
• Lisebelisoa tsa mohala tse nang le bathusi ba bohlale.
• Mekhoa ea thuto ea ho ntlafatsa thuto e thehiloeng ho AI.

Microsoft e fane ka a ho sotha ho khahlisang ka mehlala ena ka ho tsepamisa maikutlo ho ts'ebetso le scalability. Ka tlholisano e ntseng e eketseha tšimong ea mehlala ea lipuo tse nyane (SLM), Phi-4-multimodal e hlahisoa e le mokhoa o sebetsang ho mefuta e meholo, ho fana ka tekanyo pakeng tsa ts'ebetso le bokhoni ba ho sebetsa e fumaneha le ka lisebelisoa tse seng matla haholo.