Microsoft lança Phi-4-reasoning-vision-15B, modelo open-weight que compete com sistemas 10x maiores
Modelo multimodal de 15 bilhões de parâmetros com três modos de pensamento rivaliza em raciocínio matemático e leitura de documentos.
Pontos principais
- Phi-4-reasoning-vision-15B lançado como open-weight no HuggingFace e GitHub
- 15 bilhões de parâmetros com arquitetura mid-fusion SigLIP-2 + Phi-4
- Três modos de pensamento: hybrid, think e nothink
- Compete com modelos que exigem 10x mais computação
A Microsoft lançou o Phi-4-reasoning-vision-15B, modelo multimodal open-weight de 15 bilhões de parâmetros que combina o codificador de imagem SigLIP-2 com o Phi-4 Reasoning em uma arquitetura mid-fusion. O modelo processa tanto imagens quanto texto e oferece três modos de raciocínio: hybrid (padrão, o modelo decide), think (cadeia de raciocínio forçada) e nothink (saída direta).
O Phi-4-reasoning-vision compete com sistemas que exigem 10 vezes mais computação, destacando-se em raciocínio matemático e científico, interpretação de gráficos, leitura de documentos e compreensão de interfaces gráficas. Disponível no HuggingFace, GitHub e Microsoft Foundry sob licença permissiva.
Comentários
Carregando comentários...