A Microsoft anunciou recentemente o Phi-4-reasoning-vision-15B<\/strong>, um novo modelo multimodal de c\u00f3digo aberto que chega com uma proposta interessante: decidir sozinho quando precisa \u201cpensar mais\u201d antes de responder<\/strong>.<\/p>\n Esse recurso, chamado de mecanismo de racioc\u00ednio adaptativo<\/strong>, permite que o modelo avalie automaticamente a dificuldade de uma tarefa. Em problemas simples, ele responde rapidamente. J\u00e1 em tarefas mais complexas, o modelo ativa um processo de racioc\u00ednio mais profundo<\/strong>, analisando a situa\u00e7\u00e3o passo a passo antes de gerar a resposta.<\/p>\n Esse tipo de comportamento ainda \u00e9 raro entre modelos abertos de menor escala, o que torna o lan\u00e7amento bastante relevante para desenvolvedores.<\/p>\n O Phi-4-reasoning-vision-15B<\/strong> possui 15 bilh\u00f5es de par\u00e2metros<\/strong> e foi projetado especialmente para cen\u00e1rios que exigem interpreta\u00e7\u00e3o visual e racioc\u00ednio l\u00f3gico ao mesmo tempo.<\/p>\n Entre as \u00e1reas em que o modelo foi otimizado est\u00e3o:<\/p>\n Na pr\u00e1tica, isso significa que o modelo n\u00e3o apenas identifica objetos em uma imagem, mas tamb\u00e9m consegue entender o contexto visual e extrair informa\u00e7\u00f5es \u00fateis<\/strong>.<\/p>\n Por exemplo, ele pode analisar um print de tela e identificar bot\u00f5es, menus e campos de entrada<\/strong>, algo extremamente \u00fatil para automa\u00e7\u00e3o de software e desenvolvimento de agentes inteligentes.<\/p>\n Um dos pontos mais inovadores do Phi-4 \u00e9 o chamado controle de modo de pensamento<\/strong>.<\/p>\n Em muitos modelos atuais, o usu\u00e1rio precisa escolher manualmente entre:<\/p>\n No caso do Phi-4, esse processo \u00e9 automatizado<\/strong>.<\/p>\n O pr\u00f3prio modelo avalia a tarefa e decide se precisa:<\/p>\n Essa abordagem ajuda a equilibrar velocidade e qualidade<\/strong>, garantindo respostas r\u00e1pidas quando poss\u00edvel e an\u00e1lises mais profundas quando necess\u00e1rio.<\/p>\n Outro aspecto que chama aten\u00e7\u00e3o \u00e9 a estrat\u00e9gia de treinamento.<\/p>\n Enquanto muitos modelos atuais utilizam trilh\u00f5es de tokens de dados<\/strong>, o Phi-4-reasoning-vision-15B foi treinado com aproximadamente 200 bilh\u00f5es de tokens de alta qualidade<\/strong>.<\/p>\n Essa abordagem prioriza dados mais selecionados e relevantes<\/strong>, em vez de simplesmente aumentar o volume de informa\u00e7\u00f5es.<\/p>\n Durante o processo de treinamento, a Microsoft tamb\u00e9m utilizou o GPT-4o como apoio para valida\u00e7\u00e3o l\u00f3gica e gera\u00e7\u00e3o de dados<\/strong>, ajudando a melhorar a consist\u00eancia das respostas.<\/p>\n Mesmo assim, os pesquisadores destacam que o desempenho do modelo ainda precisa ser testado em diversos cen\u00e1rios do mundo real<\/strong>.<\/p>\n A Microsoft j\u00e1 disponibilizou os pesos do modelo e recursos relacionados<\/strong> em plataformas como:<\/p>\n Com isso, desenvolvedores podem experimentar o modelo em projetos pr\u00f3prios, principalmente em ambientes que exigem implanta\u00e7\u00e3o local ou baixo custo de infer\u00eancia<\/strong>.<\/p>\n Embora grande parte da aten\u00e7\u00e3o da comunidade open source atualmente esteja voltada para modelos como Qwen<\/strong>, o Phi-4-reasoning-vision-15B se destaca por combinar:<\/p>\n O lan\u00e7amento do Phi-4-reasoning-vision-15B mostra uma tend\u00eancia importante na evolu\u00e7\u00e3o da intelig\u00eancia artificial: modelos menores, mais eficientes e capazes de tomar decis\u00f5es inteligentes durante o processo de infer\u00eancia<\/strong>.<\/p>\n Em vez de depender apenas de escalas gigantescas de par\u00e2metros, a ind\u00fastria come\u00e7a a explorar arquiteturas mais inteligentes e estrat\u00e9gias de treinamento mais refinadas<\/strong>.<\/p>\n Para desenvolvedores que buscam IA multimodal com boa efici\u00eancia e possibilidade de rodar localmente<\/strong>, o novo modelo da Microsoft certamente merece aten\u00e7\u00e3o. \ud83d\ude80<\/p>","protected":false},"excerpt":{"rendered":" Microsoft apresenta o Phi-4-reasoning-vision-15B: um novo modelo multimodal com racioc\u00ednio adaptativo A Microsoft anunciou recentemente o Phi-4-reasoning-vision-15B, um novo modelo […]<\/p>","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[1],"tags":[],"class_list":["post-1923","post","type-post","status-publish","format-standard","hentry","category-ai-news"],"_links":{"self":[{"href":"https:\/\/hizhongguo.com\/index.php\/wp-json\/wp\/v2\/posts\/1923","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/hizhongguo.com\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/hizhongguo.com\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/hizhongguo.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/hizhongguo.com\/index.php\/wp-json\/wp\/v2\/comments?post=1923"}],"version-history":[{"count":0,"href":"https:\/\/hizhongguo.com\/index.php\/wp-json\/wp\/v2\/posts\/1923\/revisions"}],"wp:attachment":[{"href":"https:\/\/hizhongguo.com\/index.php\/wp-json\/wp\/v2\/media?parent=1923"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/hizhongguo.com\/index.php\/wp-json\/wp\/v2\/categories?post=1923"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/hizhongguo.com\/index.php\/wp-json\/wp\/v2\/tags?post=1923"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
\nUm modelo multimodal focado em tarefas complexas<\/h2>\n
\n
\nO diferencial: um modelo que decide quando \u201cpensar\u201d<\/h2>\n
\n
\n
\nTreinamento eficiente com menos dados<\/h2>\n
\nDispon\u00edvel para a comunidade open source<\/h2>\n
\n
\n
\nO que isso significa para o futuro da IA<\/h2>\n