Phi-3.5 – 微软推出的新一代AI模型，mini、MoE混合和视觉模型

Phi-3.5是什么

Phi-3.5是微软推出的新一代AI模型系列，包含 Phi-3.5-mini-instruct、Phi-3.5-MoE-instruct 和 Phi-3.5-vision-instruct 三个版本，分别针对轻量级推理、混合专家系统和多模态任务设计。Phi-3.5采用MIT开源许可证，具有不同参数规模，支持128k上下文长度，优化了多语言处理和多轮对话能力，在基准测试中性能表现超越了GPT4o、Llama 3.1、Gemini Flash等同类模型。

Phi-3.5系列模型的性能评估和功能特色

Phi-3.5-mini-instruct 参数量：Phi-3.5-mini-instruct 拥有大约 38.2 亿参数。设计目的：该模型专为遵守指令而设计，支持快速推理任务。上下文支持：支持 128k token 的上下文长度，适合处理长文本数据。适用场景：适合在内存或计算资源受限的环境，能执行代码生成、数学问题求解和基于逻辑的推理等任务。性能：在多语言和多轮对话任务中表现出色，并且在 RepoQA 基准测试中，测量“长上下文代码理解”的性能超越了其他类似大小的模型，如 Llama-3.1-8B-instruct 和 Mistral-7B-instruct。训练细节：使用 512 个 H100-80G GPU，在 10 天内训练了 3.4 万亿个 tokens。Phi-3.5-MoE-instruct参数量：Phi-3.5-MoE-instruct 拥有大约 419 亿参数。架构特点：该模型采用了混合专家架构，将多个不同类型的模型组合成一个，每个模型专门处理不同任务。上下文支持：支持 128k token 的上下文长度，适合处理复杂的多语言和多任务场景。性能表现：在代码、数学和多语言理解方面表现出色，在特定的基准测试中通常优于大型模型，包括在 RepoQA 基准测试中的优异表现。多任务能力：在 5-shot MMLU（大规模多任务语言理解）基准测试中，在 STEM、人文学科、社会科学等多个学科的不同层次上超越了 GPT-40 mini。训练细节：使用了 512 个 H100-80G GPU，在 23 天内训练了 4.9 万亿个 tokens。Phi-3.5-vision-instruct参数量：Phi-3.5-vision-instruct 拥有大约 41.5 亿参数。功能集成：该模型集成了文本和图像处理功能，使其能够处理多模态数据。适用任务：特别适用于一般图像理解、光学字符识别（OCR）、图表和表格理解以及视频摘要等任务。上下文支持：支持 128k token 的上下文长度，允许模型管理复杂的多帧视觉任务。训练数据：模型使用合成数据集和筛选后的公开数据集进行训练，重点放在高质量、推理密集的数据上。训练细节：使用了 256 个 A100-80G GPU，在 6 天内训练了 5000 亿个 tokens。

Phi-3.5的项目地址

GitHub仓库：https://github.com/microsoft/Phi-3CookBookPhi-3.5-mini-instruct 模型地址：https://huggingface.co/microsoft/Phi-3.5-mini-instructPhi-3.5-MoE-instruct 模型地址：https://huggingface.co/microsoft/Phi-3.5-MoE-instructPhi-3.5-vision-instruct 模型地址：https://huggingface.co/microsoft/Phi-3.5-vision-instruct

如何使用Phi-3.5

环境准备：确保开发环境满足模型运行所需的硬件和软件要求，例如Python环境、必要的库和框架。获取模型：访问Phi-3.5模型的Hugging Face模型库，下载模型代码。安装依赖：根据模型的文档说明，安装所需的依赖库，例如Transformers库、PyTorch或TensorFlow。加载模型：使用API或代码片段加载Phi-3.5模型。例如，如果使用Hugging Face的Transformers库，可以使用模型的名称或路径来加载模型。数据处理：准备输入数据，根据模型的要求进行预处理，如分词、编码等。模型配置：根据应用场景配置模型参数，例如设置上下文长度、选择特定的任务配置等。执行任务：使用模型执行所需的任务，如文本生成、问答、文本分类等。

Phi-3.5的应用场景

Phi-3.5-mini-instruct：小巧而高效的AI模型，适用于嵌入式系统和移动应用中的快速文本处理和代码生成。Phi-3.5-MoE-instruct：专家混合模型，为数据分析和多语言文本提供深度推理，适合跨学科研究和专业领域。Phi-3.5-vision-instruct：先进的多模态处理能力，适合自动图像标注、视频监控和复杂视觉数据的深入分析。