微软发布 Phi-3-vision 高效视觉推理模型

在 Build 2024 大会上，微软为其 Phi-3 系列模型增添了一个新成员——Phi-3-vision。这是一个拥有 42 亿参数的模型，不仅能处理一般的视觉推理任务，还能理解图表、图形和表格，并进行推理。Phi-3-vision 可以同时接收图像和文本输入，并生成文本响应。

Phi-3 系列模型主打经济高效，针对设备端、边缘计算、离线推理以及对延迟敏感的 AI 场景进行了优化。有兴趣的开发者和爱好者，现在可以通过 Ollama on Windows 在本地安装并试用。

同时微软还宣布，在 Azure AI 的模型即服务（MaaS）中正式上线 Phi-3-mini。