Ny forskning fra Microsoft. Phi-4-reasoning-vision-15B er en multimodal resonneringsmodell med 15 milliarder parametere som kombinerer visuell forståelse med strukturerte resonnementsevner. Som jeg har sagt, trenger ikke alle agentoppgaver en grensemodell. Phi-4-reasoning-vision viser hva som er mulig ved 15B-parametere. Rapporten beskriver hvordan de trente en kompakt modell som kan resonnere over både tekst og bilder, med fokus på det perfekte punktet mellom kapasitet og effektivitet. Mindre resonnementsmodeller som håndterer syn er essensielle for praktiske agentutplasseringer. Artikkel: Lær å bygge effektive AI-agenter i vår akademi: