Microsoft ने phi 4 reasoning vision 15b मॉडल किया जारी
Microsoft ने 4 मार्च 2026 को MIT लाइसेंस के तहत phi 4 reasoning vision 15b ओपन-वेट मल्टीमॉडल मॉडल लॉन्च किया। Phi-4-Reasoning बैकबोन और SigLIP-2 विज़न एंकोडर पर आधारित, यह 15-बिलियन पैरामीटर मॉडल 16,384-टोकन कॉन्टेक्स्ट लेंथ के साथ टेक्स्ट और इमेज को प्रोसेस करता है। 240 NVIDIA B200 GPUs पर चार दिनों में प्रशिक्षित, यह सिस्टम एंटरप्राइजेज को सीमित मेमोरी वाले लोकल वातावरण में लचीला AI ऑटोमेशन चलाने की सुविधा देता है।
mid-fusion आर्किटेक्चर विजुअल डेटा को कैसे प्रोसेस करता है
यह मॉडल mid-fusion डिज़ाइन के माध्यम से SigLIP-2 विज़न एंकोडर को Phi-4-Reasoning लैंग्वेज मॉडल बैकबोन के साथ एकीकृत करता है। इस आर्किटेक्चर में, विज़न एंकोडर इनपुट इमेज को विजुअल टोकन में बदलता है, जिन्हें सीधे लैंग्वेज मॉडल एम्बेडिंग स्पेस में प्रोजेक्ट किया जाता है और प्रीट्रेन्ड लैंग्वेज मॉडल में इंजेक्ट किया जाता है। डायनेमिक रेजोल्यूशन विज़न एंकोडर प्रति इमेज 3,600 विजुअल टोकन तक का समर्थन करता है, जिससे विस्तृत डॉक्यूमेंट एनालिसिस और ग्राफिकल यूजर इंटरफेस ग्राउंडिंग संभव होती है। ओवरफिटिंग से बचते हुए स्थानिक रीजनिंग में सुधार के लिए इंट्रा-इमेज बायडायरेक्शनल अटेंशन लागू किया गया है। यह सेटअप 16,384-टोकन कॉन्टेक्स्ट लेंथ के भीतर संयुक्त टेक्स्ट और इमेज इनपुट को प्रोसेस करता है।
एक्सप्लिकिट टैग्स थिंकिंग और फास्ट रिस्पॉन्स के बीच क्यों स्विच करते हैं
एक्सप्लिकिट मोड टोकन मॉडल को डायरेक्ट इन्फरेंस और विस्तृत मल्टी-स्टेप रीजनिंग के बीच स्विच करने का निर्देश देते हैं। एक एकल सिस्टम के रूप में काम करते हुए, मॉडल टास्क की जटिलता के आधार पर अपने ऑपरेशनल मोड को ढालता है। इमेज कैप्शनिंग, ऑप्टिकल कैरेक्टर रिकग्निशन, ऑब्जेक्ट लोकलाइजेशन और डायरेक्ट विजुअल क्वेश्चन आंसरिंग जैसे कम जटिलता वाले विजुअल टास्क के लिए, प्रॉम्पट में संक्षिप्त और तार्किक समाधान तैयार करने के लिए nothink टोकन जोड़ा जाता है। गणितीय प्रमाणों, वैज्ञानिक आरेखों या जटिल योजना वाले मल्टी-स्टेप टास्क के लिए, सिस्टम think टोकन जोड़ता है। इस मोड में, आउटपुट में एक समर्पित विचार अनुभाग शामिल होता है जहां अंतिम समाधान प्रस्तुत करने से पहले मॉडल प्रश्नों का विश्लेषण करता है, निष्कर्षों का सार प्रस्तुत करता है, विचार मंथन करता है, सटीकता की जांच करता है और त्रुटियों को सुधारता है।
डेटा फ़िल्टरिंग ने कंप्यूट आवश्यकताओं को कैसे कम किया
व्यवस्थित डेटा फ़िल्टरिंग और कठोर त्रुटि सुधार ने Microsoft को मध्यम ट्रेनिंग कंप्यूट के साथ उच्च प्रदर्शन प्राप्त करने की अनुमति दी। ट्रेनिंग डेटासेट में क्यूरेटेड ओपन-सोर्स विज़न-लैंग्वेज डेटासेट, Microsoft की आंतरिक टीमों का डोमेन-विशिष्ट डेटा और लक्षित डेटा अधिग्रहण शामिल हैं। हेल्पफुलनेस और हार्मलेसनेस उदाहरणों के साथ-साथ अभद्र भाषा, हिंसा, आत्म-हानि और यौन रूप से स्पष्ट सामग्री को अस्वीकार करने के लिए सुरक्षा-उन्मुख नमूनों का उपयोग करके सुपरवाइज्ड फाइन-ट्यूनिंग द्वारा अलाइनमेंट हासिल किया गया था। Microsoft ने ग्राउंडेडनेस, जेलब्रेक संवेदनशीलता, हानिकारक सामग्री निर्माण और कॉपीराइट सुरक्षा का मूल्यांकन करने के लिए Azure पर स्वचालित रेड टीमिंग की। 3 फरवरी 2025 से 21 फरवरी 2026 के बीच 240 NVIDIA B200 GPUs पर 4 दिनों तक ट्रेनिंग चली।
यह कंप्यूटर-यूज़ एजेंट्स के लिए क्या बदलता है
यह मॉडल स्वचालित कंप्यूटर-यूज़ एजेंट्स के लिए विजुअल स्क्रीन नेविगेशन और मल्टी-स्टेप डॉक्यूमेंट रीजनिंग कार्यों को हल करता है। संगठन कंप्यूटर स्क्रीन की व्याख्या करने, इंटरैक्टिव ग्राफिकल यूजर इंटरफेस तत्वों का पता लगाने और यूजर इंटरफेस कार्यों को निष्पादित करने के लिए इस सिस्टम को तैनात कर सकते हैं। यह हस्तलिखित समीकरणों, चार्ट्स और वित्तीय या तकनीकी तालिकाओं से मात्रात्मक जानकारी भी निकालता है। हाइब्रिड आर्किटेक्चर सीमित कंप्यूट वाले वातावरण में त्वरित विजुअल जांच और जटिल रीजनिंग दोनों को संभालता है, जिससे व्यवसायों को धारणा और लॉजिक के लिए अलग-अलग मॉडल तैनात करने से बचने में मदद मिलती है। Microsoft नोट करता है कि मॉडल मुख्य रूप से अंग्रेजी पर प्रशिक्षित है और इसका उद्देश्य चिकित्सा निदान, कानूनी सलाह, वित्तीय योजना, या रोजगार या क्रेडिट जैसे महत्वपूर्ण संसाधन आवंटन निर्णयों के लिए नहीं है।
लोकल हार्डवेयर पर मॉडल चलाने के लिए आवश्यकताएं
डेवलपर्स कई वितरण चैनलों के माध्यम से phi 4 reasoning vision 15b mit license के तहत ओपन वेट्स तक पहुंच सकते हैं। Microsoft phi 4 reasoning vision hugging face रिपॉजिटरी और GitHub पर सार्वजनिक डाउनलोड के साथ-साथ Microsoft Azure AI Foundry के माध्यम से एंटरप्राइज़ पहुंच प्रदान करता है। आधिकारिक मॉडल दस्तावेज़ Microsoft Corporation को डेवलपर और Microsoft Ireland Operations Limited को अधिकृत प्रतिनिधि के रूप में सूचीबद्ध करता है। तकनीकी एकीकरण के लिए, मॉडल को torch 2.7.1 या उच्चतर, transformers 4.57.1 या उच्चतर, और vllm 0.15.2 या उच्चतर की आवश्यकता होती है। एंटरप्राइज़ इन्फ्रास्ट्रक्चर टीमें NVIDIA A6000, A100 और H100 GPUs पर phi 4 reasoning vision run locally सेटअप कर सकती हैं।
सवाल और जवाब
Microsoft Phi-4-reasoning-vision-15B क्या है?
Microsoft Phi-4-reasoning-vision-15B एक 15-बिलियन पैरामीटर ओपन-वेट मल्टीमॉडल रीजनिंग मॉडल है जो Phi-4-Reasoning बैकबोन और SigLIP-2 विज़न एंकोडर पर बना है। 4 मार्च 2026 को जारी, यह दोहरी डायरेक्ट और चेन-ऑफ़-थॉट एक्ज़ीक्यूशन मोड का उपयोग करके 16,384-टोकन कॉन्टेक्स्ट लेंथ में टेक्स्ट और इमेज इनपुट को प्रोसेस करता है।
क्या Phi-4-reasoning-vision-15B MIT लाइसेंस के तहत ओपन सोर्स है?
हाँ, Microsoft ने MIT लाइसेंस के तहत Phi-4-reasoning-vision-15B जारी किया। लाइसेंस डेवलपर्स और एंटरप्राइजेज को प्रकाशित मॉडल वेट्स का उपयोग करके कमर्शियल एप्लिकेशन डाउनलोड करने, चलाने, अनुकूलित करने और बनाने की खुली अनुमति देता है।
क्या आप लोकल GPUs पर Phi-4-reasoning-vision-15B चला सकते हैं?
हाँ, यह मॉडल सीमित कंप्यूट वाले वातावरण में तैनाती के लिए बनाया गया है और लोकल हार्डवेयर पर चल सकता है। Microsoft ने PyTorch, Hugging Face Transformers और vLLM फ्रेमवर्क का उपयोग करके NVIDIA A6000, A100 और H100 GPUs पर मॉडल का परीक्षण किया।
MOZGII की राय
हम इसे कैसे बनाते
अगर हम इस पंद्रह-बिलियन पैरामीटर वाले विज़न मॉडल का उपयोग करके एक स्वचालित दस्तावेज़ और इंटरफ़ेस एजेंट बनाते, तो हम विज़ुअल इनपुट के लिए सख्त राउटिंग नियम तय करने से शुरुआत करते। हम स्क्रीन बटन पहचान या विज़ुअल कैरेक्टर एक्सट्रैक्शन जैसे सरल कार्यों को prompt mode token का उपयोग करके सीधे तेज़ इन्फ़रेंस पाथ पर भेजते। हस्तलिखित वैज्ञानिक तालिकाओं को पार्स करने या डायनामिक सॉफ़्टवेयर इंटरफ़ेस को नेविगेट करने जैसे जटिल बहु-स्तरीय वर्कफ़्लो के लिए, हम इनपुट को विस्तारित रीज़निंग मोड में भेजते। हम क्लाउड लेटेंसी से बचने और यूज़र डेटा पर स्थानीय नियंत्रण बनाए रखने के लिए विज़न एनकोडर और भाषा मॉडल को स्थानीय उच्च-मेमोरी प्रोसेसिंग इकाइयों पर एकीकृत रखते।
हम उन अपवाद मामलों की जांच के लिए मानव ऑपरेटरों को शामिल करते जहां विज़ुअल रीज़निंग पाथ विफल हो जाता है। सिस्टम तब विफल होता है जब यूज़र इंटरफ़ेस लेआउट अप्रत्याशित रूप से बदलते हैं या जब स्कैन की गई वित्तीय तालिकाओं में लिखावट स्थानिक ध्यान के सटीक समाधान के लिए बहुत अस्पष्ट होती है। मानव समीक्षक इन चिह्नित त्रुटियों को संभालते और संशोधित इमेज मास्क को हमारे स्थानीय मूल्यांकन सेट में वापस भेजते। मुख्य मीट्रिक जिसे हम ट्रैक करते, वह बिना किसी मानव हस्तक्षेप के बहु-स्तरीय विज़ुअल वर्कफ़्लो की कार्य पूर्णता दर होती।
इसके बाद, हम एक स्वचालित टास्क प्लानर बनाते जो रीज़निंग आउटपुट को सीधे डेस्कटॉप ऑटोमेशन कमांड में बदल देता। यह विस्तार हमारे सॉफ़्टवेयर एजेंट को डेस्कटॉप सॉफ़्टवेयर में पूर्ण एंड-टू-एंड इंटरफ़ेस नेविगेशन करने की अनुमति देता।
स्रोत
इस खबर के तथ्य इन स्रोतों से लिए गए हैं।