Microsoft debutta i modelli di ragionamento PHI-4, mirando a grandi guadagni delle prestazioni

Microsoft ha introdotto un trio di nuovi modelli di intelligenza artificiale sotto il suo banner PHI, intensificando la sua attenzione su sistemi più piccoli ed efficienti in grado di risolvere i problemi complessi. La società rilasciato Phi-4-ragioning e phi-4-ragion-plus , entrambi contenenti 14 parametri da miliardo, lungo il pad-4-2 3,8 miliardi di parametri.

I modelli, descritti da Microsoft come sistemi in cui”i modelli di ragionamento sono addestrati a sfruttare il ridimensionamento del tempo di inferenza per eseguire compiti complessi che richiedono decomposizione in più fasi e riflessione interna”, mirano a fornire prestazioni elevate paragonabili a sistemi di intelligenza artificiale molto più grandi mantenendo l’efficienza. Sono ora disponibili tramite Microsoft azure ai fondry e il Abbraccia la piattaforma facciale in licenze permissive.

I confini di ragionamento spingendo con meno parametri

L’affermazione centrale è che questi modelli più piccoli possono trattenere i propri pesi pesi del settore. Microsoft’s documentazione tecnica afferma che Phi-4-ragioning-plus, migliorato attraverso l’apprendimento di rinforzo, si comporta con competizione con OpenIai O3-Mini e approccio alla capitalità di DEEF-R1 (A 671b Model) Valutazioni come il test AIME 2025.

Entrambi i modelli 14B secondo quanto riferito Sulla maggior parte dei parametri di riferimento, sebbene siano state notate eccezioni per le domande scientifiche GPQA e le attività di pianificazione BA-Calendar. Il rapporto tecnico mette in evidenza guadagni significativi anche sulla base PHI-4 su benchmark generali, con phi-4-ragioning-plus che mostra un miglioramento di 22 punti su Ifeval (istruzioni seguenti) e un guadagno di 10 punti su Arenehard (valutazione delle preferenze umane).

Phi-4-Mini-riginizzazione, nonostante le sue dimensioni dei parametri di 3,8b, è riportato che supera i modelli come OpenThinker-7b su diversi benchmark matematici e supportano un ampio 128.000-token lunghezza del contesto Con una dimensione del vocabolario 200K+. Microsoft ha dichiarato questi modelli”dimensioni e prestazioni del bilanciamento”, consentendo”anche dispositivi limitati alle risorse di eseguire compiti di ragionamento complessi in modo efficiente.”

All’interno del processo di formazione e delle specifiche del modello

raggiungendo queste prestazioni hanno coinvolto specifiche strategie di allenamento. Phi-4-REAGASING è una messa a punto controllata (SFT) del modello di base PHI-4 originale, che utilizza oltre 1,4 milioni di esempi con fasi di ragionamento generate da O3-Mini di Openi.

Questo processo SFT, utilizzando i dati in termini di matematica, si è verificato tra i problemi di matematica, si è verificato un raggruppamento in materia di matematica, che si è verificato in modo che si verificasse un raggruppamento di matematica e si è verificato in modo che si verificasse un raggruppamento e si verificano un raggruppamento di matematica di marzo, si è verificato tra i problemi di matematica di marzo. Ottimizzazione delle politiche (GRPO)-Un algoritmo progettato per migliorare gli output del modello in base alle preferenze relative tra diverse risposte generate-per perfezionare il suo output.

Ciò si traduce in una maggiore precisione in matematica ma genera anche risposte che sono, in media, 1,5 volte più lunghe rispetto a PHI-4-ragioning, una differenza meno pronunciata nella codifica o nella pianificazione. Il modello di ragionamento PHI-4-Mini è stato addestrato separatamente nel febbraio 2024 su su un problema di matematica sintetica

Per adattarsi alle catene di ragionamento dettagliate, i modelli 14B avevano la loro capacità di contesto raddoppiata dai token da 16K a 32k di PHI-4 originali. Microsoft suggerisce anche impostazioni di inferenza specifiche (come la temperatura 0,8) per risultati ottimali con phi-4-ragion-plus modello .

evolution del contesto di PHI e Strongic.

Il lancio segna una continuazione del progetto PHI di Microsoft, che ha iniziato ad attirare l’attenzione con il parametro originale 14B PHI-4 nel dicembre 2024. Quel modello PHI 4 iniziale è stato notato per forti prestazioni matematiche, ottenendo un punteggio di 91,8 sui test AMC 12, davanti a concorrenti come Gemini Pro 1.5 (89,8) al momento. Microsoft ha seguito da Phi-4 completamente open-4 nel gennaio 2025, rilasciando i suoi pesi su una faccia abbracciata sotto una licenza del MIT.

A quel tempo, l’ingegnere Microsoft shital shital ha pubblicato su x,”Molte persone ci hanno chiesto il rilascio di peso… pochi persino carichi di bootlegged Phi-4. Non aspetta più. La famiglia ha visto un’ulteriore espansione nel febbraio 2025 con l’aggiunta di un diverso modello mini basato sul testo e la variante PHI-4-Multimodal. Gli attuali modelli di ragionamento si basano direttamente sulle tecniche SFT e sui dati sintetici utilizzati in precedenza.

I modelli sottolineano la strategia di Microsoft di coltivare modelli più piccoli altamente capaci-spesso definiti piccoli modelli di linguaggio (SLMS)-insieme ai suoi investimenti in AI su larga scala come la serie GPT di Openi. SLMS sta guadagnando interessi del settore a causa di potenziali vantaggi come i costi di formazione ridotti e la migliore messa a punto specifica del dominio. Questo approccio si rivolge all’efficienza e all’accessibilità, abbassando potenzialmente la barriera per imprese e sviluppatori. Microsoft integra i modelli PHI nel suo ecosistema, come la variante di silice PHI ottimizzata per le NPU in Copilot+ PCS.

Per un accesso più ampio, Phi-4-Mini-Reasoning è disponibile anche in , un formato popolare per l’esecuzione di modelli localmente sull’hardware dei consumatori. Microsoft ha sottolineato che i modelli PHI sono sviluppati seguendo il suo principi AI responsabili , sebbene riconosca limiti come il contesto del token 32K per i modelli 14B e il focus principale sull’inglese.