Microsoft lanza Phi-3.5-vision, un modelo de IA ligero y multimodal de código abierto, diseñado para procesar entradas de texto y visuales, con soporte para una longitud de contexto de 128K. Este modelo es adecuado para entornos con recursos limitados y ofrece funciones como comprensión de imágenes, OCR, análisis de gráficos, y resumen de múltiples imágenes, mostrando un rendimiento y una latencia excepcionales. Consta de 4.200 millones de parámetros y se ha entrenado con datos de alta calidad para garantizar el rendimiento y la privacidad. Incluye tres modelos: IA ligera, experto mixto y modelo multimodal, todos ellos mostrando un rendimiento excelente en las pruebas de referencia de procesamiento de imágenes y vídeo.