Microsoft presenta Phi-4, un nuevo modelo de IA generativa – Aquí está el paquete
- Microsoft ha lanzado Phi-4, una IA generativa que cuenta con 14 mil millones de parámetros.
- Se espera que el modelo de IA compita con otros modelos populares como GPT-4o Mini, Gemini y Claude, a pesar de ser "más pequeño".
- Según se informa, Phi-4 está bien equipado para resolver problemas matemáticos.
Microsoft ha presentado Phi-4, la última iteración en su serie Phi de modelos de inteligencia artificial (IA) generativa. La arquitectura simplificada incorpora avances en la resolución de problemas matemáticos.
Según los informes, el nuevo modelo, con 14 mil millones de parámetros, tiene como objetivo competir con otros modelos de IA compactos como GPT-4o Mini, Gemini 2.0 Flash y Claude 3.5 Haiku.
Según el blog de Microsoft, Phi-4 está disponible con acceso limitado a través de la plataforma Microsoft Azure AI Foundry y está restringido a fines de investigación bajo un acuerdo de licencia de investigación de Microsoft.
Phi-4: Rendimiento mejorado en razonamiento matemático
Microsoft ha posicionado a Phi-4 como líder en la resolución de problemas matemáticos, citando ganancias sustanciales de rendimiento sobre sus predecesores y modelos comparables. La compañía está segura de las capacidades del modelo de IA después de que Phi-4 reportedly alcanzó las mejores calificaciones en varios estándares de referencia.
En la prueba GPQA, obtuvo una puntuación de 56,1, superando a GPT-4o con 40,9 y a Llama-3 con 49,1. En el benchmark MATH, Phi-4 logró 80,4, lo que refleja sus capacidades avanzadas para abordar problemas matemáticos complejos. También destacó en las pruebas de programación, obteniendo una puntuación de 82,6 en HumanEval.
Además, Phi-4 demostró su destreza en escenarios del mundo real, incluyendo altas puntuaciones en problemas de las Competiciones de Matemáticas Americanas (AMC-10/12) de la Asociación Estadounidense de Matemáticas. Estos resultados indican posibles aplicaciones en investigación científica, ingeniería y modelado financiero, campos donde la precisión y el razonamiento matemático son críticos.
Mientras que modelos más grandes como GPT-4o de OpenAI y Gemini Ultra de Google operan con cientos de billones o incluso trillones de parámetros, Phi-4 demuestra que arquitecturas más pequeñas y optimizadas pueden lograr un rendimiento superior en tareas especializadas.
Microsoft atribuye los avances de Phi-4 a la integración de datos sintéticos de alta calidad junto con conjuntos de datos de contenido generado por humanos, así como mejoras no reveladas realizadas durante el post-entrenamiento. Estos esfuerzos reflejan una tendencia más amplia en la industria de la IA, donde los equipos de investigación se están enfocando cada vez más en innovaciones en el uso de datos sintéticos y la optimización post-entrenamiento.
El CEO de Scale AI, Alexandr Wang, destacó recientemente este cambio, comentando que la industria ha alcanzado un «muro de datos de preentrenamiento», y añadió que las empresas ahora competirán por desarrollar modelos de IA más eficientes.
El poder de cómputo importa, pero también los datos, y hemos alcanzado un muro de datos de preentrenamiento.
— Alexandr Wang (@alexandr_wang) 12 de diciembre de 2024
Prepárense para el auge de los datos de postentrenamiento. Las empresas competirán por tener los mejores datos de vanguardia: multimodales, agentes, razonamiento complejo y más.
Sigue los datos, encuentra a los ganadores.
7/8
IA responsable y características de seguridad
Microsoft continúa enfatizando el desarrollo responsable de soluciones de IA, incorporando medidas de seguridad robustas en Phi-4 y sus predecesores. A través de Azure AI Foundry, los usuarios acceden a herramientas diseñadas para evaluar y mitigar riesgos a lo largo del ciclo de vida del desarrollo de IA.
Estas herramientas incluyen escudos de prompts, que protegen contra entradas inapropiadas o dañinas, detección de materiales protegidos para identificar contenido sensible en las salidas, y detección de fundamentos para garantizar que las salidas sean factualmente precisas y relevantes.
Además, hay características integradas en el kit de herramientas Content Safety de Azure AI, lo que permite a los desarrolladores aplicar filtros y monitorear aplicaciones para calidad, seguridad e integridad de datos. Las alertas en tiempo real proporcionan intervenciones oportunas para abordar problemas como prompts adversarios y desviaciones de contenido.
Azure AI Foundry apoya aún más las evaluaciones iterativas de modelos con métricas integradas y personalizadas, dando a los desarrolladores la flexibilidad de ajustar sus aplicaciones de IA para un rendimiento óptimo.
Si estás leyendo esto, ya vas por delante. Mantente así con nuestro boletín.
Aviso de responsabilidad. La información proporcionada no es un consejo de trading. Cryptopolitan.com no asumimos responsabilidad alguna por las inversiones realizadas basándose en la información proporcionada en esta página. Recomendamos encarecidamente la investigación independiente y/o la consulta con un profesional calificado antes de tomar cualquier decisión de inversión.
Florence Muchai
Florence ha estado cubriendo durante los últimos 6 años noticias sobre criptomonedas, juegos, tecnología e inteligencia artificial. Sus estudios de Ciencias de la Computación en la Universidad de Ciencias y Tecnología de Meru y Gestión de Desastres y Diplomacia Internacional en MMUST la dotan adecuadamente de habilidades lingüísticas, de observación y técnicas. Florence ha trabajado en VAP Group y como editora en varias casas de medios de criptomonedas.
