微軟近日擴展了其Phi-4系列語言模型，推出兩款全新產品：Phi-4多模態和Phi-4迷你。Phi-4多模態是微軟首款集成語音、視覺和文本處理的統一架構模型，參數量達56億，在多項基準測試中表現優異，超越谷歌Gemini 2.0 Flash等先進模型。

　　在語音任務中，其自動語音識別和語音翻譯能力領先專業模型WhisperV3;在視覺任務中，該模型在文檔理解、圖表識別等領域表現突出。

　　Phi-4迷你則專注于文本任務，參數量為38億，在文本推理、數學計算等任務中超越多款大型語言模型。為確保安全性，微軟邀請專家測試并優化模型，使其可跨平臺部署，適用于低成本、低延遲場景。

　　目前，兩款模型已在Azure AI Foundry等平臺上線，為開發者提供高效AI技術支持，推動多模態和文本處理能力的進一步發展。