El pasado viernes, Microsoft lanzó Phi-4, su más reciente modelo de inteligencia artificial (IA). Este modelo, que forma parte de la familia de código abierto Phi, se posiciona como un modelo de lenguaje pequeño diseñado para ofrecer un mejor rendimiento en tareas de razonamiento complejo, como las matemáticas, y también en procesamiento de lenguaje natural.
Este lanzamiento llega ocho meses después de la introducción del modelo Phi-3 y cuatro meses desde la presentación de la serie Phi-3.5.
Disponibilidad de Phi-4 en Hugging Face
Aunque en el pasado cada modelo de la serie Phi se lanzó junto con una variante mini, el modelo Phi-4 no incluyó esta versión compacta.
Microsoft, a través de una publicación en su blog, anunció que Phi-4 está actualmente disponible en Azure AI Foundry bajo un Acuerdo de Licencia de Investigación de Microsoft (MSRLA). Además, la compañía planea lanzarlo en la plataforma Hugging Face la próxima semana.
Mejora en rendimiento y capacidades
Del mismo modo, Microsoft compartió resultados de pruebas internas que destacan mejoras significativas en comparación con generaciones anteriores.
Según estos datos, el modelo Phi-4 supera al Gemini Pro 1.5, un modelo considerablemente más grande, en el benchmark de problemas matemáticos de competencia. Estos resultados, junto con un análisis técnico detallado, fueron publicados en un artículo en la revista online arXiv.
Seguridad y aplicaciones empresariales
Microsoft también enfatizó el enfoque en seguridad del Azure AI Foundry, que ofrece herramientas para medir, mitigar y gestionar riesgos asociados al desarrollo de modelos de IA, incluyendo aplicaciones de aprendizaje automático tradicional y generativa.
Los usuarios empresariales pueden aprovechar características de seguridad como los filtros de contenido de Azure AI Content Safety, que incluyen detección de prompts maliciosos, monitoreo de consistencia y más funciones enfocadas en la seguridad.
Los desarrolladores pueden integrar estas capacidades en sus aplicaciones mediante una interfaz de programación de aplicaciones (API) única. La plataforma también permite supervisar aplicaciones en tiempo real para detectar ataques, problemas de calidad o riesgos de integridad de datos, ofreciendo alertas en tiempo real a los usuarios de Phi a través de Azure.
Cabe destacar que los modelos de lenguaje más pequeños, como el Phi-4, a menudo se entrenan con datos sintéticos después de su implementación.
Este enfoque les permite adquirir conocimientos adicionales y mejorar su eficiencia rápidamente. Sin embargo, Microsoft advierte que los resultados posteriores al entrenamiento no siempre son consistentes en escenarios del mundo real.
Fuente: Microsoft
