微软首个多模态Phi-4问世

近日，微软宣布其首个多模态语言模型Phi-4正式问世。这款模型由LoRA华人团队带队开发，拥有56亿参数，集成了语音、视觉和文本处理的多模态能力，成为微软人工智能领域的新里程碑。

Phi-4-multimodal作为微软首款统一架构的多模态语言模型，能够在同一表示空间内同时处理多种输入模态，实现更自然、更具上下文感知能力的交互。据官方介绍，该模型在读图推理性能上碾压GPT-4o，并在自动语音识别和语音翻译方面超越了专业模型。

此外，Phi-4-multimodal还支持设备端执行，针对减少计算开销进行了优化，非常适合在边缘计算平台上部署。目前，该模型已在Azure AI Foundry、HuggingFace和NVIDIA API Catalog等平台上线，开发者可以轻松进行实验和创新。

微软Phi-4的问世，标志着人工智能技术在多模态交互领域取得了重要突破，为未来的智能设备和应用提供了更强大的技术支持。