linux办公网
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：

分析 推理 视觉 模式 模型 Phi- 思考 图像 结构化 智能 智能体 开发者 微软

上一篇：天风证券：AI赛道持续推进，游戏估值修复可期，传媒龙头价值凸显

下一篇：10个简单步骤，陪你快速上手AI编程

相关内容

热门资讯

国产大模型下调推理服务价格，南... 近日，国内某大模型企业宣布下调其flash系列模型服务价格，输入缓存命中、输入缓存未命中及输出价格最...
AI新手用拼豆庆祝教师节
解码青年人AI生活《2026有... 中新网深圳9月5日电(记者索有为)《2026有意思生活方式报告》(下称《报告》)4日在全国首个有意思...
OpenAI 最强 AI 生图... 9月9日消息，OpenAI 9 月 9 日官宣发布 ChatGPT Images 2.5，图像生成延...
探索AI供应链产业化路径京东推... 2026年以来，人工智能应用范围加速拓展，持续从数字空间走向现实生活，广泛融入生产线、仓储厂房、配送...
教育部发文！AI生成内容，教师... 一篇论文，因为AI使用不当，相关高校师生被通报处理。 9月2日，安徽财经大学公布“教师与学生涉嫌学术...
夏夜逛吃记 #剪映让好作品告别...
AI识别出近800种可充当乳化... 英国利兹大学食品科学与营养学院和爱丁堡大学科学家携手，开发出一款 人工智能（AI）工具，能从数千万种...
搭上低空经济、AI文旅？两连板... 桂林旅游（000978）回应市场热点。 9月8日，桂林旅游再度涨停，斩获2连板。当天晚间，该公司披露...
硅谷：我们不能被硅谷“AI刹车... 【文/底线思维】 OpenAI首席科学家Jakub Pachocki最近写了一篇文章，题目叫《An ...