IA · Modelos · Microsoft · Phi · Visión artificial
Microsoft publica Phi-4-reasoning-vision para imágenes, texto e interfaces
El modelo de 15.000 millones de parámetros combina percepción visual con respuestas directas o razonamiento más prolongado.
Fecha de la fuente original:
Lo esencial
- El modelo de 15.000 millones de parámetros combina percepción visual con respuestas directas o razonamiento más prolongado.
- Microsoft evalúa el modelo y reconoce límites en la selección automática del modo de razonamiento.
Percepción y razonamiento en un modelo compacto
Microsoft Research anunció Phi-4-reasoning-vision-15B, un modelo de pesos abiertos que combina Phi-4-Reasoning con el codificador visual SigLIP-2. Está orientado a interpretar imágenes, documentos y pantallas, además de resolver tareas visuales de matemáticas y ciencias. El lanzamiento ofrece acceso mediante Microsoft Foundry, Hugging Face y GitHub.
Datos depurados y selección de modo
El diseño mezcla respuestas directas para tareas de percepción con razonamiento más extenso cuando resulta útil. Microsoft atribuye parte del avance a depurar y corregir datos de entrenamiento. La elección entre ambos modos se aprende de los datos y puede ser imprecisa; el equipo señala que su mezcla de entrenamiento no es necesariamente óptima para todos los usos.