微软发布能自主决定思考的Phi-4-Reasoning-Vision-15B开源模型
创始人
2026-03-05 09:20:57
0次
IT之家 3 月 5 日消息，据微软官方开发者社区博客今日消息，微软发布了一款 Phi-4-Reasoning-Vision-15B 模型，这是一款视觉推理模型。
它结合了高分辨率视觉感知与选择性、任务感知的推理，使其成为 Phi-4 系列中首个同时实现“看得清楚”和“想得深入”的小语言模型（SLM）。
传统的视觉模型仅执行被动的感知 —— 识别图像中“有什么”。Phi-4-Reasoning-Vision-15B 更进一步，执行结构化、多步骤的推理：理解图像中的视觉结构，将其与文本上下文连接，并得出可操作的结论。这使开发者能够构建从图表分析到 GUI 自动化的智能应用。
该模型最关键的设计特征是其混合推理行为。它可以根据提示在“推理模式”和“非推理模式”之间切换：
- 当需要深度推理时（例如数学问题、逻辑分析）→ 启用多步推理链
- 当快速感知足够时（例如，OCR、元素定位）→ 直接输出以降低延迟
该模型最重要的应用领域之一，就是搭配计算机智能体使用。模型接收一个屏幕截图和自然语言指令后，可输出目标 UI 元素的标准化边界框坐标，其他智能体模型可以执行点击、滚动和其他交互。
以下是 Phi-4-Reasoning-Vision-15B 与其他模型在关键任务上的性能对比：
▲ 非推理模式
▲ 推理模式
IT之家附开源地址如下：
相关内容
热门资讯
原创 2...
#春日生活好物种草季#近年来，笔记本电脑市场迎来技术爆发期，尤其在手机厂商跨界入局后，轻薄本在性能、...
AMD锐龙AI 9 HX 37...
2024年6月3日，AMD正式发布全新的锐龙AI 300系列处理器。该系列处理器一经发布就引发大家的...
2024云栖大会|阿里云升级无...
北京商报讯（记者魏蔚）9月20日，阿里云无影AI云电脑在2024云栖大会上展出，该版本基于最新的终端...
5个AI模特生成软件推荐
当前AI模特生成软件市场提供了多样化的解决方案，以下是几款备受推崇的工具： 触站AI：强烈推荐！...
骁龙本这么猛？联想YOGA A...
在人人都是自媒体的时代，一部手机可以解决出镜拍摄问题，而商务出差、大量码字、图像处理等需求用笔记本则...
2023年CentOS与Ubu...
CentOS与Ubuntu的市场格局与技术特性探讨 在服务器操作系统领域，CentOS与Ubuntu...
MWC2025荣耀多款AI技术...
人民财讯3月6日电，2025世界移动通信大会（MWC 2025）上，荣耀MagicBook Pro ...
苹果macOS 15.1：允许...
苹果公司在其最新的macOS 15.1版本中，推出了一项引人注目的新功能——允许用户将Mac App...
原创 苹...
前言 IQUNIX在做好看的桌面产品上，一直都给我留下非常深刻的印象。而且早期和苹果产品的设计风格...
原创 华...
在2024年这个被誉为"AI元年"的关键时刻，随着生成式AI的流行，各家手机厂商都在积极备战AI手机...