Microsoft présente Phi-3-vision : un nouveau modèle de langage multimodal pour l'analyse d'images
Microsoft a présenté Phi-3-vision, un modèle de langage compact capable d'analyser les images et de fournir des informations descriptives sur leur contenu. Ce nouveau modèle de 4,2 milliards de paramètres intègre une technologie multimodale, lui permettant de comprendre à la fois le texte et les images, ce qui le rend particulièrement adapté aux appareils mobiles. Contrairement aux autres modèles d'IA axés sur les images, Phi-3-vision ne génère pas d'images mais excelle dans leur analyse pour les utilisateurs. La famille Phi-3, qui comprend Phi-3-mini, Phi-3-small et Phi-3-medium, est désormais disponible dans la bibliothèque de modèles Azure. Cette sortie reflète la tendance au développement de modèles d'IA plus petits et légers pour répondre à la demande croissante de services d'IA rentables et moins gourmands en calcul.
Principaux points à retenir
- Microsoft présente Phi-3-vision, un nouveau modèle de langage qui interprète les images et fournit des informations descriptives.
- Phi-3-vision, avec ses 4,2 milliards de paramètres, offre une solution polyvalente pour les tâches de raisonnement visuel sur les appareils mobiles.
- Contrairement aux modèles d'IA traditionnels axés sur les images, Phi-3-vision n'est pas un générateur d'images, mais un excellent analyseur d'images.
- Phi-3-vision fait partie de la famille Phi-3, actuellement accessible dans la bibliothèque de modèles Azure.
- L'émergence de modèles d'IA plus petits, comme Phi-3, souligne la demande croissante pour des services d'IA économes en ressources.