Nueva investigación de Microsoft. Phi-4-reasoning-vision-15B es un modelo de razonamiento multimodal de 15 mil millones de parámetros que combina la comprensión visual con capacidades de razonamiento estructurado. Como he estado diciendo, no todas las tareas de los agentes necesitan un modelo de frontera. Phi-4-reasoning-vision muestra lo que es posible con 15 mil millones de parámetros. El informe detalla cómo entrenaron un modelo compacto que puede razonar tanto sobre texto como sobre imágenes, apuntando al punto óptimo entre capacidad y eficiencia. Modelos de razonamiento más pequeños que manejan visión son esenciales para implementaciones prácticas de agentes. Documento: Aprende a construir agentes de IA efectivos en nuestra academia: