Microsoft представила рассуждающую ИИ-модель Phi-4-mini-flash-reasoning— в 10 раз быстрее аналогов и запустится даже на смартфоне

Microsoft представила новую ИИ-модель Phi-4-mini-flash-reasoning, обеспечивающую расширенные возможности рассуждений для периферийных и мобильных устройств, а также сред с ограниченными вычислительными ресурсами. Благодаря использованию новой гибридной архитектуры SambaY, модель работает до 10 раз быстрее по сравнению с другими моделями семейства Microsoft Phi и демонстрирует в 2–3 раза меньшую задержку.

Обзор стоечного ИБП Ippon Innova RTB 3000

Сенатор США потребовал разъяснений по связям главы Intel с китайским бизнесом

Ещё одна миссия NASA под угрозой срыва — потеряна связь с зондом для изучения полярных щелей Земли

Источник изображения: Igor Omilaev/unsplash.com

Phi-4-mini-flash-reasoning — это модель с 3,8 млрд параметров и открытым исходным кодом, оптимизированная для выполнения сложных математических рассуждений. Она поддерживает контекст длиной до 64 тыс. токенов и обучена на высококачественных синтетических данных, обеспечивая надёжное и производительное развёртывание с интенсивным использованием логики. Как и все модели семейства Phi, Phi-4-mini-flash-reasoning может быть развёрнута на одном графическом процессоре.

Ключевой особенностью архитектуры SambaY является Gated Memory Unit (GMU) — простой, но эффективный механизм обмена представлениями между компонентами модели. Использование модулей GMU существенно повышает эффективность декодирования и ускоряет поиск по длинному контексту, что обеспечивает высокую производительность в широком спектре задач и позволяет значительно ускорить инференс без потери качества рассуждений.

В Microsoft утверждают, что новая ИИ-модель может использоваться в платформах адаптивного обучения, где критически важны циклы обратной связи в реальном времени, в качестве агентов с возможностями рассуждения на базе периферийных устройств, а также в интерактивных образовательных системах, которые динамически корректируют сложность контента в зависимости от успеваемости учащихся.

Компания подчёркивает, что высокая эффективность модели в области математики и структурированного мышления делает её особенно ценной для образовательных технологий, простых симуляций и автоматизированных инструментов оценки, требующих надёжного инференса с минимальным временем отклика.

Модель Microsoft Phi-4-mini-flash-reasoning доступна на платформе Hugging Face.