Microsoft представила новую ИИ-модель Phi-4-mini-flash-reasoning, разработанную для обеспечения расширенных возможностей логического мышления на мобильных и периферийных устройствах, а также в средах с ограниченными вычислительными ресурсами.
Благодаря инновационной гибридной архитектуре SambaY, модель работает до 10 раз быстрее и демонстрирует в 2-3 раза меньшую задержку по сравнению с другими моделями семейства Microsoft Phi. Phi-4-mini-flash-reasoning — это модель с открытым исходным кодом, обладающая 3,8 млрд параметров и оптимизированная для выполнения сложных математических вычислений. Она поддерживает контекст до 64 тыс. токенов и обучена на высококачественном наборе синтетических данных, что обеспечивает надежное и производительное развертывание в задачах, требующих интенсивного использования логики.
Как и все модели семейства Phi, Phi-4-mini-flash-reasoning может быть развернута на одном графическом процессоре. Ключевым элементом архитектуры SambaY является модуль Gated Memory Unit (GMU) — простой, но эффективный механизм обмена информацией между компонентами модели. Использование GMU значительно повышает эффективность декодирования и ускоряет поиск по длинному контексту, что обеспечивает высокую производительность в различных задачах и позволяет существенно ускорить вывод без потери качества рассуждений.
В Microsoft отмечают, что новая ИИ-модель найдет применение в платформах адаптивного обучения, где важна обратная связь в реальном времени, в качестве агентов, способных к рассуждению на периферийных устройствах, а также в интерактивных образовательных системах, динамически адаптирующих сложность контента к уровню знаний учащихся.
Компания подчеркивает, что высокая эффективность модели в области математики и структурированного мышления делает её особенно полезной для образовательных технологий, простых симуляций и автоматизированных инструментов оценки, требующих надежного вывода с минимальной задержкой. Модель Microsoft Phi-4-mini-flash-reasoning доступна для скачивания и использования на платформе Hugging Face.
