Microsoft ponownie zaskakuje świat technologii, prezentując nowe modele sztucznej inteligencji z rodziny Phi 4, zaprojektowane z myślą o efektywnym rozwiązywaniu skomplikowanych problemów logicznych i matematycznych. Modele te wyróżniają się nie tylko imponującymi możliwościami analitycznymi, ale również kompaktową formą, co czyni je idealnym rozwiązaniem dla sprzętów o ograniczonych zasobach obliczeniowych.
Nowa linia modeli Phi 4 została stworzona z naciskiem na tzw. „rozumowanie”, czyli zdolność do głębszego analizowania i weryfikacji danych przy rozwiązywaniu trudnych zagadnień. Microsoft oferuje trzy odmiany tych modeli: Phi 4 Mini Reasoning, Phi 4 Reasoning oraz Phi 4 Reasoning Plus. Każdy z nich charakteryzuje się innym poziomem zaawansowania i zakresem zastosowań — od edukacji po programowanie i nauki ścisłe.
Phi 4 Mini Reasoning to najlżejszy z nowych modeli, zaprojektowany specjalnie z myślą o edukacyjnych zastosowaniach na urządzeniach mobilnych i niskonapięciowych. Został on wytrenowany na około milionie syntetycznych problemów matematycznych, wygenerowanych przez chiński startup AI – DeepSeek oraz jego model R1. Dzięki swojej skromnej liczbie parametrów (około 3,8 miliarda), model ten może działać szybko i sprawnie nawet na mniej wydajnym sprzęcie, oferując funkcje takie jak „zintegrowany korepetytor” w aplikacjach edukacyjnych.
Phi 4 Reasoning to model dla bardziej wymagających użytkowników – jego aż 14 miliardów parametrów sprawia, że świetnie radzi sobie z zadaniami z zakresu matematyki, nauk przyrodniczych i programowania. Microsoft informuje, że model został wytrenowany na „wysokiej jakości danych z sieci” oraz specjalnie dobranych przykładach rozwiązań (tzw. „curated demonstrations”) pochodzących od konkurencyjnego modelu o3-mini. Tym samym Phi 4 Reasoning staje się realną alternatywą dla dużych modeli językowych, oferując porównywalną jakość w znacznie mniejszej i bardziej wydajnej formie.
Phi 4 Reasoning Plus to z kolei zaktualizowana wersja wcześniej wydanej wersji Phi 4, wzbogacona o zaawansowane mechanizmy rozumowania. Według danych udostępnionych przez Microsoft, model ten osiąga zbliżony poziom wydajności do DeepSeek R1 (posiadającego aż 671 miliardów parametrów), co stanowi nie lada osiągnięcie, biorąc pod uwagę znacznie mniejszą liczbę parametrów Phi 4 Reasoning Plus. Co więcej, wewnętrzne testy firmy pokazały, że model ten dorównuje o3-mini w zakresie kompetencji matematycznych, zwłaszcza w teście OmniMath.
Wszystkie trzy wersje — Phi 4 Mini Reasoning, Phi 4 Reasoning oraz Phi 4 Reasoning Plus — są dostępne dla programistów i badaczy sztucznej inteligencji poprzez platformę Hugging Face, gdzie znaleźć można również raporty techniczne szczegółowo opisujące proces uczenia oraz zastosowane techniki optymalizacji. W ten sposób Microsoft otwiera drzwi dla szerszego grona użytkowników do eksperymentowania i rozwijania własnych zastosowań AI, opartych na sprawdzonych i elastycznych modelach językowych.
W swoim oficjalnym wpisie na blogu, Microsoft podkreśla, że zastosowanie nowoczesnych technik, takich jak destylacja wiedzy, uczenie przez wzmocnienie oraz przemyślane dobranie danych treningowych, pozwoliło uzyskać wyjątkową równowagę między rozmiarem modelu a jego wydajnością. „Modele te są wystarczająco kompaktowe, by działały w środowiskach wymagających niskich opóźnień, a zarazem utrzymują zaawansowane zdolności rozumowania, rywalizując z dużo większymi systemami AI,” czytamy w publikacji.
Dzięki najnowszym osiągnięciom Microsoftu, świat sztucznej inteligencji staje się coraz bardziej inkluzywny – nawet urządzenia ograniczone pod względem mocy obliczeniowej będą mogły wykonywać skomplikowane zadania logiczne i analityczne. To milowy krok w kierunku uczynienia AI bardziej dostępnym, elastycznym i dostosowanym do realnych potrzeb użytkowników.
