微软于2024年12月发布Phi-4小型语言模型后，近日又推出了两款新模型：Phi-4多模态和Phi-4迷你。Phi-4多模态是微软首款集成了语音、视觉和文本处理的统一架构多模态语言模型，参数量达56亿，在多项基准测试中表现优异，尤其是在语音识别和视觉推理方面超越了现有模型。Phi-4迷你模型专注于文本任务，参数量为38亿，在文本推理、数学计算等方面表现出色。新模型已通过ONNX Runtime部署到设备端，适用于低成本和低延迟场景。目前，这两款新模型已在Azure AI Foundry、Hugging Face和NVIDIA API目录中上线。