GUIA DE EMPRESAS
Microsoft Fi
Microsoft Phi é uma família de modelos de linguagem pequena que provam que a curadoria cuidadosa de dados pode rivalizar com a escala de força bruta.
Nesta página2 minutos de leitura
Visão geral
By training on textbook-quality and synthetic data, tiny Phi models punch far above their parameter count.
Mergulho profundo
Phi é Microsoft a linha de modelos de linguagem pequena (SLMs) da Research lançada em 2023 com Phi-1, um modelo de codificação de 1,3 bilhão de parâmetros. A tese norteadora, capturada no título do artigo “Os livros didáticos são tudo que você precisa”, é que a qualidade dos dados é mais importante do que o tamanho bruto. Em vez de vasculhar toda a web, Microsoft treinou Phi em conteúdo semelhante a um livro didático, além de exercícios sintéticos gerados pelo GPT-4. Lançamentos sucessivos ampliaram essa ideia: Phi-2 (2,7B), Phi-3 (3,8B 'mini' até 14B 'médio') e Phi-3.5 com variantes de visão e mistura de especialistas. Apesar de seu tamanho, os modelos Phi igualam ou superam concorrentes muito maiores em benchmarks de raciocínio e matemática, e funcionam com eficiência em laptops, telefones e dispositivos de ponta. Os modelos são lançados abertamente sob licenças permissivas.
Impacto Estratégico
Estratégia do fornecedor
Os roteiros dos fornecedores influenciam quais recursos sua equipe pode construir a seguir.
Custo e orçamento
Os termos comerciais e as opções de implantação afetam os custos e riscos a longo prazo.
Risco e segurança
Os incentivos da empresa moldam os padrões de produto, a postura de segurança e a abertura.
O futuro de Microsoft Phi
Microsoft está empurrando o Phi para usos em dispositivos e agentes, onde a latência, a privacidade e o custo excluem os gigantes da nuvem. Espere uma integração mais estreita do Windows e do Copilot+ PC, variantes multimodais (visão e áudio) mais fortes e designs contínuos de mistura de especialistas que ativam apenas uma fração dos parâmetros por token. A tendência mais ampla que Phi valida, de que os dados inteligentes superam a escala absoluta, está remodelando a forma como toda a indústria treina modelos, especialmente para telefones, IoT e cenários off-line onde modelos pequenos e capazes vencem.
Implementação no mundo real
Executar um assistente de codificação offline diretamente em um laptop sem enviar código para a nuvem
Ativando recursos no dispositivo em PCs Copilot+ e aplicativos móveis onde a baixa latência é importante
Incorporação de um modelo de raciocínio em IoT ou hardware de ponta com memória limitada e sem internet
Pesquisadores ajustando um modelo Phi pequeno e licenciado abertamente para um chatbot específico de domínio de maneira barata
Riscos e guarda-corpos
Os anúncios de lançamento podem superar a estabilidade em fluxos de trabalho de produção reais.
Os preços das APIs ou as mudanças nas políticas podem quebrar suposições da noite para o dia.
A dependência de um único fornecedor aumenta os custos de aprisionamento e migração.
Roteiro de implementação
Avalie os provedores usando suas próprias tarefas e conjuntos de dados.
Revise os termos legais, de privacidade e segurança antes da integração.
Mantenha um plano alternativo entre modelos ou fornecedores.
Monitore as notas de lançamento para que as mudanças no roteiro não surpreendam as equipes.
Continue explorando
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Microsoft Phi quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Perguntas frequentes
What is Microsoft Phi?
Microsoft Phi é uma família de modelos de linguagem pequena que provam que a curadoria cuidadosa de dados pode rivalizar com a escala de força bruta. Ao treinar com dados sintéticos e com qualidade de livro didático, pequenos modelos Phi ultrapassam muito sua contagem de parâmetros.
Qual é a tese central por trás dos modelos Phi, capturada no famoso título de um artigo?
O artigo Phi-1 foi intitulado 'Livros didáticos são tudo que você precisa', argumentando que dados selecionados e de alta qualidade são mais importantes do que a escala absoluta.
Aproximadamente quantos parâmetros o Phi-3-mini possui?
O Phi-3-mini tem cerca de 3,8 bilhões de parâmetros, o que o torna pequeno o suficiente para ser executado em um telefone e ao mesmo tempo ter um desempenho excelente.
Como Microsoft gera grande parte dos dados de treinamento de Phi?
Microsoft usa modelos poderosos como GPT-4 para gerar exercícios sintéticos limpos e para filtrar texto da web para valor educacional.
A que categoria de modelo se refere 'SLM', conforme usado para Phi?
Phi é descrito como um Small Language Model (SLM), enfatizando a capacidade em um tamanho compacto.
Qual é a principal vantagem prática do tamanho pequeno do Phi?
Como os modelos Phi são compactos, eles podem ser executados localmente no hardware do consumidor, proporcionando privacidade, baixa latência e uso offline.
Continue aprendendo
Guias relacionados
Mais guias escolhidos para este tópico