Das neue Phi-4 Vision 15B-Modell von Microsoft entscheidet, wann Deep Reasoning aktiviert wird
Microsoft hat Phi-4-reasoning-vision-15B veröffentlicht, ein neues multimodales KI-Modell mit offenem Gewicht, das sowohl für visuelle als auch für schlussfolgernde Aufgaben entwickelt wurde.
Das 15-Milliarden-Parameter-Modell kann Bilder verarbeiten, Schnittstellenelemente verstehen und komplexe mathematische Überlegungen anstellen und bleibt dabei im Vergleich zu vielen modernen KI-Systemen relativ leichtgewichtig.
Ein multimodales Modell mit adaptivem Denken
Phi-4-reasoning-vision-15B unterstützt mehrere erweiterte Funktionen, einschließlich Bildunterschriften und Erdung von UI-Elementen. Das Modell kann auch komplexe Argumentationsprobleme wie mathematische Abfragen und analytische Aufgaben lösen.
Eine der bemerkenswertesten Funktionen ist die Fähigkeit, automatisch zu entscheiden, wann tiefergehende Überlegungen erforderlich sind.
Anstatt Benutzer zu zwingen, das Denken manuell zu aktivieren oder zu deaktivieren, aktiviert das Modell seinen internen „Denkmodus“, wenn eine Aufgabe eine komplexere Verarbeitung erfordert. Bei einfacheren Fragen antwortet es sofort, ohne dass ein aufwändigerer Begründungsprozess erforderlich ist.
Dieser adaptive Ansatz könnte die Effizienz verbessern, in bestimmten Szenarien jedoch auch zu weniger vorhersehbarem Verhalten führen.
Trainingsstrategie mit Fokus auf Qualitätsdaten
Microsoft hat das Modell mit etwa 200 Milliarden Token trainiert, was im Vergleich zu vielen modernen KI-Systemen, die auf Trainingsdatensätzen von mehr als einer Billion Token basieren, relativ wenig ist.
Das Unternehmen konzentrierte sich auf sorgfältig kuratierte, qualitativ hochwertige Trainingsdaten und nicht auf Rohdaten. Während des Trainingsprozesses unterstützte GPT-4o die Datengenerierung und -auswertung und half dabei, die Argumentationsfähigkeiten des Modells zu verfeinern.
Dieser Ansatz ermöglichte es Microsoft, ein leistungsfähiges multimodales System aufzubauen, ohne große Rechenressourcen zu benötigen.
Die Benchmark-Ergebnisse zeigen eine gemischte, aber vielversprechende Leistung
In Benchmark-Tests lieferte Phi-4-reasoning-vision-15B in mehreren Kategorien konkurrenzfähige Ergebnisse und übertraf gelegentlich größere Modelle.
Allerdings blieb das Modell auch in anderen Bereichen hinter einigen Konkurrenzsystemen zurück, sodass insgesamt gemischte Ergebnisse erzielt wurden.
Microsoft hat ausgewogene Benchmark-Vergleiche veröffentlicht, die sowohl Stärken als auch Schwächen berücksichtigen, anstatt nur positive Ergebnisse hervorzuheben.
Eine leichte Option für Entwickler
Trotz ihrer Fähigkeiten erhält die Phi-4-Modellfamilie oft weniger Aufmerksamkeit als konkurrierende Open-Weight-Modelle wie Qwen-basierte Systeme chinesischer Entwickler.
Dennoch bietet Phi-4-reasoning-vision-15B im Verhältnis zu seiner Größe eine starke Leistung, was es für Entwickler attraktiv machen könnte, die effiziente KI-Systeme benötigen, die auf kleineren Hardware-Setups laufen.
Das Modell ist bereits öffentlich verfügbar und Entwickler können die Gewichte über die KI-Plattformen und Modell-Repositories von Microsoft herunterladen.
In weiteren Nachrichten von Microsoft hat das Unternehmen die Termine seiner Build 2026-Entwicklerkonferenz bekannt gegeben und bereitet ein Design-Update für SharePoint vor.
Microsoft testet außerdem eine neue Copilot-Funktion, die es ermöglicht, Links direkt in der Copilot-Oberfläche zu öffnen, anstatt einen separaten Webbrowser zu starten.
Über Neowin
*️⃣ Quelllink:
Phi-4-reasoning-vision-15B , Termine für die Build 2026-Entwicklerkonferenz, Design-Update für SharePoint, direkt in der Copilot-Oberfläche geöffnet, Neowin,