微软的 Phi 家族

Phi 模型是最强大且具有成本效益的小型语言模型（SLMs），在各种语言、推理、编码、音频、视觉和数学基准测试中，表现优于同等规模及更大规模的模型。本次发布为客户扩展了高质量模型的选择，提供了更多实用的生成式 AI 应用构建方案。

Phi 家族始于用于 Python 代码生成的 Phi-1，随后推出基于文本和聊天完成的 Phi-1.5 /2，接着是 Phi-3-mini/small/medium-instruct 和 Phi-3.5/4-mini-instruct，发展至用于视觉的 Phi-3/3.5-vision，以强大推理能力闻名的 Phi-4，针对 MoE 的 Phi-3.5-MoE，以及现已发布的全模态模型 Phi-4-multimodal。借助高质量数据集，基准能够训练出性能可匹敌更大参数模型的模型。

Phi 家族模型

Model Card	参数规模	编码	文本/聊天完成	高级推理	视觉	音频	MoE
Phi-1	1.3B	是	否	否	否	否	否
Phi-1.5	1.3B	是	是	否	否	否	否
Phi-2	2.7B	是	是	否	否	否	否
Phi-3-mini-4k-instruct Phi-3-mini-128k-instruct	3.8B	是	是	否	否	否	否
Phi-3-small-8k-instruct Phi-3-small-128k-instruct	7B	是	是	否	否	否	否
Phi-3-mediumn-4k-instruct Phi-3-mediumn-128k-instruct	14B	是	否	否	否	否	否
Phi-3-vision-instruct	4.2B	是	是	否	否	否	否
Phi-3.5-mini-instruct	3.8B	是	是	否	否	否	否
Phi-3.5-MoE-instruct	42B	是	是	否	否	否	是
Phi-3.5-vision-128k-instruct	4.2B	是	是	否	是	否	否
Phi-4	14B	是	是	否	否	否	否
Phi-4-mini	3.8B	是	是	否	否	否	否
Phi-4-multimodal	5.6B	是	是	否	是	是	否
Phi-4-reasoning	3.8B	是	是	是	否	否	否
Phi-4-mini-reasoning	3.8B	是	是	是	否	否	否
Phi-4-reasoning-vision	15B	否	否	是	是	否	否

在不同模型平台查找所有 Phi 模型

Microsoft Foundry 模型目录
GitHub 模型市场
Hugging Face
- Phi-1 /1.5
- Phi-2
- Phi-3
- Phi-4
NVIDIA NIM

模型选择示例


客户需求	任务	起始模型	更详细信息
需要一个简单总结消息线程的模型	对话摘要	Phi-3 / 3.5 文本模型	决定因素是客户有明确且直接的语言任务
面向儿童的免费数学辅导应用	数学和推理	Phi-3 / 3.5 / 4 文本模型	因应用免费，客户希望方案不产生持续费用
自动巡逻车摄像头	视觉分析	Phi-3 /3.5 -视觉或 Phi-4-multimodal	需要无互联网环境下的边缘计算方案
想构建基于 AI 的旅行预订代理	需要复杂规划、函数调用和编排	GPT 模型	需要具备规划能力，可调用 API 获取信息并执行
想为员工打造助手	RAG，多个领域，复杂且开放的场景	GPT 模型 + Phi 家族	开放式场景，需要更广泛的世界知识，因此更大模型更合适。需要将知识内容分块，或许 SLM 更适合你

免责声明：本文件由人工智能翻译服务 Co-op Translator 翻译而成。尽管我们尽力确保准确性，但请注意自动翻译可能包含错误或不准确之处。原文应被视为权威版本。对于重要信息，建议采用专业人工翻译。因使用本翻译而导致的任何误解或误译，我们不承担任何责任。