Penelitian baru dari Microsoft. Phi-4-reasoning-vision-15B adalah model penalaran multimodal 15 miliar parameter yang menggabungkan pemahaman visual dengan kemampuan penalaran terstruktur. Seperti yang telah saya katakan, tidak setiap tugas agen membutuhkan model perbatasan. Phi-4-reasoning-vision menunjukkan apa yang mungkin pada parameter 15B. Laporan tersebut merinci bagaimana mereka melatih model kompak yang dapat bernalar melalui teks dan gambar, menargetkan sweet spot antara kemampuan dan efisiensi. Model penalaran yang lebih kecil yang menangani visi sangat penting untuk penerapan agen praktis. Kertas: Pelajari cara membangun agen AI yang efektif di akademi kami: