Microsoft выпустила модели Phi-4 с открытым исходным кодом

Введение 30 апреля 2025 года компания Microsoft представила серию инновационных ИИ-моделей с открытым исходным кодом — Phi-4. В новейшее семейство LLM вошли модели Phi-4 mini reasoning, Phi-4 reasoning и Phi-4 reasoning plus. Несмотря на скромное количество параметров, Microsoft заявляет, что производительность решений Phi-4 эквивалентна передовым проприетарным моделям OpenAI o3-mini. Подробнее о Phi-4 Все три новинки в лице Phi-4 mini reasoning, Phi-4 reasoning и Phi-4 reasoning plus являются размышляющими, вследствие чего они тратят больше времени на обработку данных, но при это предоставляют пользователям более точные ответы. Эти модели стали расширением линейки компактных ИИ-решений Phi, запущенных Microsoft год назад для поддержки разработчиков, создающих приложения для устройств с ограниченными вычислительными ресурсами. Phi-4 mini reasoning (3.8 миллиардов параметров) разработан для образовательных приложений, а также поддерживает интеграцию в маломощные гаджеты по типу смартфона. Его обучение базировалось на 1 миллионе синтезированных математических задач, сгенерированных китайской моделью DeepSeek R1. Phi-4 reasoning (14 миллиардов параметров) тренировался на тщательно отобранных веб-данных, что делает его оптимальным решением для задач в сферах точных наук, программирования и аналитики. Phi-4 reasoning plus — модифицированная версия языковой модели Phi-4 reasoning, доработанная для повышения точности в узкоспециализированных сценариях. Несмотря на скромные 14 млрд параметров (против 671 млрд у DeepSeek R1 R1), Microsoft утверждает, что модель приближается к производительности более крупного китайского аналога. Компания Microsoft акцентирует на том, что увеличение числа параметров коррелирует с улучшением функциональности, однако Phi-4 reasoning plus бросает вызов этой тенденции, демонстрируя эффективность даже при меньшей архитектурной сложности. Внутренние тесты показали, что модель Phi-4 reasoning plus конкурирует с нейросетью OpenAI GPT o3-mini в математических задачах бенчмарка OmniMath, что говорит о ее огромном потенциале в решении комплексных, ресурсоемких задач. Этого удалось добиться благодаря передовым методам обучения с дистилляцией и подкреплением, чем и обеспечивается отличный баланс между весом и производительность, при этом работая с низкой задержкой. В бенчмарках ArenaHard, HumanEvalPlus, MMLUPro, Kitab, Toxigen Discriminative и PhiBench 2.21 модели Phi-4 reasoning и Phi-4 reasoning-plus превосходят GTP-4o, однако практически во всех тестах они уступают o3-mini. Помимо нейросети GPT o3-mini, Microsoft заявляет, что флагманская модель Phi-4 reasoning plus также превосходит языковые модели GPT o1, Claude-3.7-Sonnet, QwQ 32b. Выводы Все три решения уже опубликованы в репозитории Hugging Face с полной технической документацией, предоставляя разработчикам инструменты для создания ИИ-приложений нового поколения на основе моделей Phi-4 reasoning plus. Этот шаг укрепляет позиции Microsoft в нише легковесных AI-моделей, сочетающих производительность с энергоэффективностью.