В среду Microsoft представила несколько новых «открытых» моделей AI, самая мощная из которых конкурирует с o3-mini от OpenAI по крайней мере в одном тесте. Все новые модели с лицензией «pemissively» — Phi 4 mini reasoning, Phi 4 reasoning и Phi 4 reasoning plus — являются моделями «reasoning», что означает, что они могут тратить больше времени на проверку фактов при решении сложных проблем. Они расширяют семейство «small model» Microsoft Phi, которое компания запустила год назад, чтобы предложить основу для разработчиков AI, создающих приложения на периферии.
Phi 4 mini reasoning был обучен примерно на 1 миллионе синтетических математических задач, созданных моделью рассуждений R1 китайского стартапа AI DeepSeek. По словам Microsoft, Phi 4 mini reasoning, имея размер около 3,8 миллиарда параметров, предназначен для образовательных приложений, таких как «встроенное обучение» на легких устройствах.
Параметры примерно соответствуют модели с большим количеством параметров, как правило, работают лучше, чем модели с меньшим количеством параметров. Phi 4 reasoning, модель с 14 миллиардами параметров, была обучена с использованием высококачественных веб-данных. По словам Microsoft, она лучше всего подходит для приложений в области математики, науки и кодирования.
Что касается Phi 4 reasoning plus, то это ранее выпущенная Microsoft модель Phi-4, адаптированная в модель рассуждений для достижения большей точности в определенных задачах. Microsoft утверждает, что Phi 4 reasoning plus приближается к уровню производительности R1, модели со значительно большим количеством параметров (671 миллиард). Внутренний бенчмаркинг компании также сравнивает Phi 4 reasoning plus с o3-mini на OmniMath, в тесте на математические навыки.
Phi 4 mini reasoning, Phi 4 reasoning и Phi 4 reasoning plus доступны на платформе разработки искусственного интеллекта Hugging Face вместе с подробными техническими отчетами.
«Используя дистилляцию, обучение с подкреплением и высококачественные данные, эти новые модели обеспечивают баланс размера и производительности», — написала Microsoft в своем блоге. «Они достаточно малы для сред с низкой задержкой, но при этом сохраняют сильные возможности рассуждения, которые соперничают с гораздо большими моделями. Эта смесь позволяет даже устройствам с ограниченными ресурсами эффективно выполнять сложные задачи рассуждения».