Microsoft telah memperluas penawaran AI-nya dengan memperkenalkan tambahan baru pada keluarga model bahasa ringkas Phi: Phi-4-multimodal dan Phi-4-mini. Model Phi-4-multimodal disetel untuk memproses masukan ucapan, visual, dan teks secara bersamaan, sehingga memungkinkan terciptanya aplikasi yang peka terhadap konteks. Sementara itu, Phi-4-mini dioptimalkan untuk tugas berbasis teks, dengan akurasi dan skalabilitas tinggi dalam format yang lebih ringkas. Kedua model tersebut kini dapat diakses oleh pengembang melalui Azure AI Foundry, HuggingFace, dan Katalog API NVIDIA, yang terakhir menyediakan platform untuk eksperimen dengan Phi-4-multimodal.

Model multimoda Phi-4 merupakan kemajuan besar dalam AI, yang menggabungkan pemrosesan ucapan, penglihatan, dan teks menjadi satu arsitektur terpadu. Model dengan 5,6 miliar parameter ini memanfaatkan teknik pembelajaran lintas-moda untuk memfasilitasi interaksi alami dan respons yang sadar konteks di berbagai jenis masukan. Model ini dirancang untuk efisiensi, memberikan inferensi latensi rendah sekaligus meminimalkan beban komputasi, sehingga cocok untuk penerapan di perangkat.

Phi-4-multimodal Microsoft berkinerja baik dalam memproses masukan visual dan audio, mengungguli model canggih lainnya dalam pengenalan ucapan dan tolok ukur penerjemahan. Ia menduduki posisi teratas pada papan peringkat Huggingface OpenASR dan telah menunjukkan hasil yang menjanjikan dalam peringkasan ucapan. Meskipun ukurannya kecil, ia juga mempertahankan kinerja yang kompetitif dalam tugas multimodal seperti OCR dan penalaran visual.

Phi-4-mini, model dengan 3,8 miliar parameter, unggul dalam tugas berbasis teks, mendukung rangkaian panjang, dan mencapai akurasi tinggi. Kemampuan pemanggilan fungsinya memungkinkannya berinteraksi dengan API dan sumber data eksternal, sehingga sangat praktis. Baik Phi-4-mini maupun Phi-4-multimodal dirancang untuk digunakan di lingkungan dengan sumber daya komputasi terbatas, menyediakan solusi yang hemat biaya dan peka terhadap latensi. Keduanya juga mudah disesuaikan, sehingga cocok untuk berbagai aplikasi analitis di berbagai industri.