爲複雜視覺推理而生！微軟發佈Phi-3.5-vision 輕量級、多模態開源模型

微軟發佈Phi-3.5-vision，一款輕量級、多模態開源AI模型，專爲處理文本和視覺輸入設計，支持128K上下文長度。該模型適用於資源受限環境，具備圖像理解、OCR、圖表解析、多圖像摘要等功能，展現出色性能和低延遲。由42億參數構成，通過高質量數據訓練，確保性能和隱私。包含三款模型：輕量級AI、專家混合和多模態模型，均在圖像和視頻處理基準測試中表現出優異成績。此模型適合AI驅動應用，特別是端側運行和複雜視覺推理，提供強大支持。