在 Build 2024 大会上，微软宣布了一系列面向开发者的新工具。其中包括微软开发的 Phi-3 系列 AI 小型语言模型 (SLM) 中的一种新型多模式模型。微软产品营销数据、AI 和数字应用企业副总裁 Jessica Hawk 表示：“Phi-3 模型功能强大、经济高效，并且针对资源受限的环境进行了优化，包括设备上、边缘、离线推理和延迟受限场景，这些场景对快速响应时间至关重要。”

该模型给开发者带来了什么?

据 Hawk 介绍，该模型提供了输入图像和文本以及输出文本响应的功能。微软对这些模型的想法虽小但功能强大，因为它们的大小为 42 亿个参数，并支持一般的视觉推理任务和图表/图形/表格推理。“例如，用户可以询问有关图表的问题，或者询问有关特定图像的开放式问题，”Hawk 说。Phi-3-mini 和 Phi-3-medium 现已作为 Azure AI MaaS 产品的一部分普遍可用。

微软声称，Phi-3-vision 是 Phi-3 系列中第一个多模态模型，它将文本和图像结合在一起，并具有推理现实世界图像以及从图像中提取和推理文本的能力。它还针对图表和图形理解进行了优化，可用于生成见解和回答问题。