Microsoft ha presentado Phi-4, la última versión de su serie Phi de modelos de inteligencia artificial (IA) generativa. La arquitectura optimizada incorpora avances en la resolución de problemasmatic.
Según los informes, el nuevo modelo, que cuenta con 14 mil millones de parámetros, pretende competir con otros modelos compactos de IA 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 está restringido a fines de investigación según un acuerdo de licencia de investigación de Microsoft.
Phi-4: rendimiento mejorado en razonamientomatic
Microsoft ha posicionado a Phi-4 como líder en resolución de problemasmatic, citando mejoras sustanciales en el rendimiento tanto con respecto a sus predecesores como a modelos comparables. La compañíadent en las capacidades del modelo de IA después de que, según se informa, Phi-4 obtuvo las mejores calificaciones en varios puntos de referencia estandarizados.
En la prueba GPQA, obtuvo una puntuación de 56,1, superando el 40,9 de GPT-4o y el 49,1 de Llama-3. En la prueba de referencia MATH, Phi-4 logró 80,4, lo que refleja sus capacidades avanzadas para abordar problemasmaticcomplejos. También se destacó en pruebas de codificación, logrando una puntuación de 82,6 en HumanEval.
Además, Phi-4 demostró su destreza en escenarios del mundo real, incluidas altas puntuaciones en problemas de las competiciones estadounidenses dematicde la Asociación dematicde Estados Unidos (AMC-10/12). Estos resultados indican aplicaciones potenciales en la investigación científica, la ingeniería y la modelación financiera, campos donde la precisión y el razonamientomaticson críticos.
Mientras que los modelos más grandes como el GPT-4o de OpenAI y el Gemini Ultra de Google operan con cientos de miles de millones o incluso billones de parámetros, Phi-4 demuestra que las 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 la capacitación 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 y señaló que la industria se ha topado con un “muro de datos previo al entrenamiento” y agregó que las empresas ahora se apresurarán hacia el desarrollo de modelos de IA más eficientes.
La computación importa, pero también los datos, y hemos llegado a un muro de datos previo al entrenamiento.
— Alexandr Wang (@alexandr_wang) 12 de diciembre de 2024
Prepárese para el auge de los datos posterior a la capacitación. Las empresas competirán para tener los mejores datos de vanguardia: multimodales, agentes, razonamiento complejo y más.
Sigue los datos, encuentra a los ganadores.
7/8
IA responsable y funciones de seguridad
Microsoft continúa enfatizando 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 obtienen acceso a herramientas diseñadas para evaluar y mitigar los riesgos durante todo el ciclo de vida del desarrollo de la IA.
Estas herramientas incluyen escudos rápidos, que protegen contra entradas inapropiadas o dañinas, detección de material protegido paradentcontenido sensible en los resultados y detección de conexión a tierra para garantizar que los resultados sean objetivamente precisos y relevantes.
Además, hay características integradas en el conjunto de herramientas de seguridad de contenido de Azure AI, que permiten a los desarrolladores aplicar filtros y monitorear las aplicaciones para determinar la calidad, la seguridad y la integridad de los datos. Las alertas en tiempo real brindan intervenciones oportunas para abordar problemas como avisos conflictivos y desviaciones de contenido.
Azure AI Foundry admite además 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.
Academia Cryptopolitan: Próximamente, una nueva forma de obtener ingresos pasivos con DeFi en 2025. Obtenga más información
