Phi-4 Multimodal Instruct — универсальная фундаментальная модель с 5,6 млрд параметров, сочетающая продвинутые способности к рассуждению и выполнению инструкций как по текстовым, так и по визуальным данным, и генерирующая точные текстовые ответы. Единая архитектура обеспечивает эффективный вывод с низкой задержкой, что делает модель пригодной для развёртывания на периферийных устройствах (edge) и мобильных платформах. Phi-4 Multimodal Instruct поддерживает ввод текста на множестве языков, включая арабский, китайский, английский, французский, немецкий, японский, испанский и другие, при этом визуальные данные оптимизированы прежде всего для английского. Модель демонстрирует впечатляющие результаты в мультимодальных задачах, связанных с математическими и научными рассуждениями, а также с обработкой документов, предоставляя разработчикам и компаниям мощное, но компактное решение для сложных интерактивных приложений. Для получения дополнительной информации см. статью в блоге Phi-4 Multimodal: https://azure.microsoft.com/en-us/blog/empowering-innovation-the-next-generation-of-the-phi-family/
