Microsoft presenta Phi-4, un nuevo modelo de IA generativa: este es el paquete

Microsoft ha presentado Phi-4, la última versión de su serie Phi de modelos de inteligencia artificial (IA) generativa. Su arquitectura optimizada incorpora avances en la resolución de problemasmatic. 

Según los informes, el nuevo modelo, que cuenta con 14 mil millones de parámetros, apunta a competir con otros modelos de IA compactos como GPT-4o Mini, Gemini 2.0 Flash y Claude 3.5 Haiku.

Según el blog, Phi-4 está disponible con acceso limitado a través de la plataforma Azure AI Foundry de Microsoft y su uso está restringido a fines de investigación bajo un acuerdo de licencia de investigación de Microsoft.

Phi-4: Rendimiento mejorado en razonamientomatic

Microsoft ha posicionado a Phi-4 como líder en la resolución de problemasmatic, destacando mejoras sustanciales de rendimiento con respecto a sus predecesores y modelos comparables. La compañíadent en las capacidades del modelo de IA después de que Phi-4, según se informa, alcanzara las mejores calificaciones en varias pruebas estandarizadas. 

En la prueba GPQA, obtuvo una puntuación de 56.1, superando los 40.9 de GPT-4o y los 49.1 de Llama-3. En la prueba de matemáticas, Phi-4 obtuvo 80.4, lo que refleja su avanzada capacidad para abordar problemasmaticcomplejos. También destacó en las pruebas de codificación, con una puntuación de 82.6 en HumanEval.

Además, Phi-4 demostró su destreza en situaciones reales, incluyendo altas puntuaciones en problemas de las CompetenciasmaticAmericanas de la Asociaciónmaticde Estados Unidos (AMC-10/12). Estos resultados indican posibles aplicaciones en la investigación científica, la ingeniería y el modelado financiero, campos donde la precisión y el razonamientomaticson cruciales.

Mientras que modelos más grandes como GPT-4o de OpenAI y Gemini Ultra de Google operan con cientos de miles de millones o incluso billones 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 a mejoras no reveladas realizadas durante el entrenamiento posterior. Estos esfuerzos reflejan una tendencia más amplia en la industria de la IA, donde los equipos de investigación se centran cada vez más en innovaciones en el uso de datos sintéticos y la optimización posterior al entrenamiento. 

El director ejecutivo de Scale AI, Alexandr Wang, destacó recientemente este cambio, señalando que la industria se ha topado con un “muro de datos previo al entrenamiento” y agregó que las empresas ahora competirán por desarrollar modelos de IA más eficientes.

La computación es importante, pero los datos también, y hemos llegado a un punto crítico en la fase de preentrenamiento.

Prepárense para el auge de los datos posteriores al entrenamiento. Las empresas competirán por obtener los mejores datos de vanguardia: multimodales, basados ​​en agentes, razonamiento complejo y más.

Sigan los datos, encuentren a los ganadores.

7/8

— Alexandr Wang (@alexandr_wang) 12 de diciembre de 2024

Funciones de seguridad e inteligencia artificial responsables

Microsoft sigue priorizando el desarrollo responsable de soluciones de IA, incorporando sólidas medidas de seguridad en Phi-4 y sus predecesores. A través de Azure AI Foundry, los usuarios acceden a herramientas diseñadas para evaluar y mitigar riesgos durante todo el ciclo de vida del desarrollo de IA. 

Estas herramientas incluyen escudos de aviso, que protegen contra entradas inapropiadas o dañinas, detección de material protegido paradentcontenido sensible en las salidas, y detección de fundamentos para garantizar que las salidas sean factualmente precisas y relevantes.

Además, el funciones que permiten a los desarrolladores aplicar filtros y supervisar las aplicaciones para garantizar su calidad, seguridad e integridad de los datos. Las alertas en tiempo real proporcionan intervenciones oportunas para abordar problemas como mensajes maliciosos y desviaciones de contenido.

Azure AI Foundry también admite evaluaciones de modelos iterativos con métricas integradas y personalizadas, lo que brinda a los desarrolladores la flexibilidad de ajustar sus aplicaciones de IA para lograr un rendimiento óptimo.