当地时间4月23日，微软宣布推出其轻量级人工智能模型 Phi-3 Mini 的下一版本，这是该公司计划发布的三个小型模型中的第一个。 

Phi-3 Mini 可测量参数仅为 38 亿，并在相对于GPT-4 等大型语言模型更小的数据集上进行训练。现已在 Azure、Hugging Face 和 Ollama 上可使用。另外，微软还计划发布Phi-3 Small（7B参数）和Phi-3 Medium（14B参数）两个版本。

微软在去年 12 月时发布了 Phi-2，其性能与 Llama 2 等更大的型号不相上下。微软表示，Phi-3 的性能比前一版本更好，其响应速度接近比它大 10 倍的模型。

微软Azure人工智能平台公司副总裁埃里克· 博伊德（Eric Boyd）介绍说，Phi-3 Mini的性能与GPT-3.5等LLM不相上下，"只是外形尺寸更小而已"。

与大型人工智能模型相比，小型人工智能模型通常运行成本更低，并且在手机和笔记本电脑等个人设备上表现更好。据外媒《The Information》今年早些时候报道称，微软正在组建一个专门专注于轻量级人工智能模型的团队。与 Phi 一起，该公司还构建了Orca-Math，一个专注于解决数学问题的模型。

微软的竞争对手也在研发自己的小模型，其中大多数针对更简单的任务，例如文档摘要或编码辅助。其中最典型的就是Google 的 Gemma 2B 和 7B，这两款模型更适合简单的聊天机器人和语言相关的工作。

此外，Anthropic 的 Claude 3 Haiku可以阅读带有图表的密集研究论文并快速总结它们，而Meta 最近发布的 Llama 3 8B可以用于一些聊天机器人和编码辅助。

Boyd 表示，开发人员通过“课程”对 Phi-3 进行了训练。他们的灵感来自于孩子们如何从睡前故事、单词更简单的书籍以及谈论更大主题的句子结构中学习。

“市面上没有足够的儿童读物，因此我们列出了 3000 多个单词的清单，并要求大语言模型制作‘儿童读物’来教授 Phi，”Boyd 说。 

他补充说，Phi-3 只是建立在之前迭代所学到的知识之上。 Phi-1 专注于编程，Phi-2 开始学习推理，而 Phi-3 更擅长编程和推理。虽然 Phi-3 系列模型能够了解一些常识，但它无法在更大范围的应用场景中击败 GPT-4 或其他大语言模型。

Boyd 表示，公司经常发现像 Phi-3 这样的较小模型更适合他们的定制应用程序，因为对于许多公司来说，他们的内部数据集规模都比较小，而这些使用较少算力的小模型更具性价比。

参考链接：

https://www.theverge.com/2024/4/23/24137534/microsoft-phi-3-launch-small-ai-language-model