שבוע חדש, מודל AI חדש. ההצטרפות ל- Rush היא מיקרוסופט, ומשיקה 3 דגמים חדשים תחת טווח "PHI-4". אלה כוללים הנמקה PHI-4, PHI-4-REASETING PLUS והנמקה של PHI-4-MINI.
מלבד הצגת המחויבות שלהם לתכניות השמות המוזרות שנמצאות בעולם AI, שמות אלה נותנים גם את סוג מודל ה- AI שהם.
דגמי הנמקה הפכו לכל הזעם לאחרונה. אלה מאומנים באופן ספציפי לחרוג מהתשובה הפשוטה או יצירת התמונות, תוך שהם עוסקים בגישה הגיונית יותר להנחיות. לעתים קרובות אלה מצוידים טוב יותר לבדיקת עובדות ובעיות מורכבות.
מגוון ההנמקות של PHI-4 בונה במשפחת "הדגם הקטן" של מיקרוסופט-פרויקט שהקים מיקרוסופט לפני כשנה.
מיקרוסופט טוענת כי PHI-4-REAPING-PLUS מתקרבת לביצועים של DeepSeek R1
המטרה כאן היא לבנות דגמי שפה קטנים, לתעדף יעילות ועלות נמוכה. אלה נבדלים מדגמי שפה גדולים, שם ניזונים כמויות אדירות של נתונים, ומאפשרים להם להשיג את מרבית המשימות בפירוט עצום, אך עושים זאת בעלות גבוהה.
זה נפרד לחלוטין ל- Microsoft Copilot ו- Copilot 365-דגמי ה- AI הידועים יותר של המותג המשרתים משימות צרכניות וגם מבוססות עבודה.
במקום זאת, הדגמים החדשים של מיקרוסופט מתמקדים במשימות ספציפיות יותר, בתעדוף מערכי נתונים באיכות גבוהה ולוחות זמנים אימונים ספציפיים יותר להשגת ביצועים גבוהים בקנה מידה קטן יותר.
הנמקה של PHI-4 היא מודל פרמטר של 14 מיליארד (פרמטרים מתייחסים לכמה שמודל יודע; ככל שהמספר גבוה יותר, בדרך כלל הוא יודע יותר). זה הוכשר באמצעות נתוני אינטרנט באיכות גבוהה ומשמש בצורה הטובה ביותר ליישומי מתמטיקה, מדע וקידוד.
PHI 4-Resing-Plus מאומן על ידי מערך נתונים דומה, אך הוא הוכשר להתאמץ יותר כדי להשיג דיוק טוב יותר למשימות מסוימות. מיקרוסופט טוענת כי PHI-4-REAPING-PLUS מתקרב לביצועים של DeepSeek R1, למרות שיש לו פרמטר גדול בהרבה של 671 מיליארד.
מה אוכל לעשות עם דגמי ההנמקה של PHI-4?
כל הדגמים הללו, יחד עם הדיווחים הטכניים שלהם, זמינים באתר AI Development Huging Face.
עם זאת, עבור מרבית האנשים, PHI-4 לא יהיה דגם שבסופו של דבר תשתמש בו. סוגים אלה של מודלים מיועדים למטרות מתקדמות יותר, כגון מחקר, קידוד ומחקר מדעי.
על ידי בניית דגם קטן יותר ובמחיר סביר יותר להפעלה, מיקרוסופט מצטרפת לחובבים של דיפסק ואליבאבא, ומתמקדת בהפיכת טכנולוגיה מסוג זה לזולה יותר בהשוואה לאפשרויות כמו דגמי O3 של Openai.
תחום זה של AI מתקדם במהירות, רואים דגמים לוקחים משימות מורכבות יותר עם פחות אנרגיה, חלונות אימונים קצרים יותר וממשקי משתמש נגישים יותר כדי שאנשים רבים יותר יוכלו להסתבך איתם.
