微软推出Phi-3：强大的开放式AI模型实现小尺寸顶级性能

微软推出了Phi-3，一系列新的小型语言模型（SLM），旨在实现高性能和成本效益的AI应用。这些模型在语言理解、推理、编码和数学等方面的基准测试中表现出色，相比同等规模和更大规模的模型具有更强的性能。Phi-3的发布为开发人员和企业提供了更多选择，以平衡效率和成本的同时利用AI。

Phi-3模型家族和可用性

Phi-3家族的首个模型是Phi-3-mini，一个3.8B参数的模型，现已在Azure AI Studio、Hugging Face和Ollama上提供。Phi-3-mini预先进行了指令调优，允许其“开箱即用”，无需进行大量的微调。它具有最长的上下文窗口（高达128K个标记），使其能够在不牺牲性能的情况下处理更大的文本输入。

为了优化性能并适应不同的硬件配置，Phi-3-mini已针对ONNX Runtime和NVIDIA GPU进行了微调。微软计划在不久的将来通过发布Phi-3-small（7B参数）和Phi-3-medium（14B参数）来扩展Phi-3家族。这些额外的模型将为满足不同需求和预算提供更广泛的选择。

图片：微软

Phi-3性能和开发

微软报告称，Phi-3模型在各种基准测试中表现出显著的性能改进，相比同等规模甚至更大规模的模型。根据公司的说法，Phi-3-mini在语言理解和生成任务中超越了两倍大小的模型，而Phi-3-small和Phi-3-medium在某些评估中甚至超越了更大的模型，如GPT-3.5T。

微软表示，Phi-3模型的开发遵循了公司的负责任的AI原则和标准，强调了可靠性、透明度、公平性、安全性、隐私性和包容性。这些模型据称已经经过了安全训练、评估和红队测试，以确保遵守负责任的AI部署实践。

图片：微软

Phi-3的潜在应用和能力

Phi-3家族旨在在资源受限、低延迟至关重要或成本效益是优先考虑的情况下表现出色。这些模型有可能实现设备上的推理，使AI驱动的应用程序能够在广泛的设备上高效运行，包括计算能力有限的设备。Phi-3模型较小的尺寸也可能使微调和定制更加经济实惠，使企业能够将模型适应其特定的用例，而无需承担高昂的成本。

在需要快速响应时间的应用中，Phi-3模型提供了一个有前途的解决方案。它们的优化架构和高效处理可以实现快速生成结果，增强用户体验，并为实时AI交互打开了可能性。另外，Phi-3-mini的强大推理和逻辑能力使其非常适合分析任务，例如数据分析和洞察生成。