Microsoft 正式推出硬件高效型多模态推理模型 Phi-4-reasoning-vision-15B，可处理科学图表等复杂视觉内容 … 该模型融合 SigLIP-2 视觉编码器与去年 4 月开源的 Phi-4 Reasoning 推理架构，采用「中融合」（mid-fusion）设计 —— 仅部分网络层支持多模态处理，在显著降低算力消耗的同时保持较高输出质量 … Phi-4-reasoning-vision-15B 适用于构建界面交互型 AI 系统，能基于截图识别按钮、菜单等 UI 元素，并解析天文图像等复杂视觉资产。
暂无讨论，说说你的看法吧