微软 Phi—4 多模态及迷你模型上线，语音视觉文本全能

微软发布了 Phi—4 多模态和 Phi—4 迷你两款新模型，其中 Phi—4 多模态是首款集成语音、视觉和文本处理的统一架构多模态语言模型，参数量达 56 亿，在多项基准测试中表现优异。Phi—4 迷你则专注于文本任务，参数量为 38 亿。这两款模型已在 Azure AI Foundry、Hugging Face 和 NVIDIA API 目录中上线，适用于低成本和低延迟场景。