माइक्रोसॉफ्ट ने Phi-3.5-vision जारी किया, एक हल्का, बहु-मोडल ओपन-सोर्स AI मॉडल, जो पाठ और दृश्य इनपुट को प्रोसेस करने के लिए डिज़ाइन किया गया है, 128K संदर्भ लंबाई का समर्थन करता है। यह मॉडल संसाधन-सीमित वातावरण के लिए उपयुक्त है, जिसमें छवि समझ, OCR, चार्ट解析, और कई छवियों का संक्षेपण जैसी सुविधाएँ शामिल हैं, जिससे उत्कृष्ट प्रदर्शन और कम विलंबता दिखाई देती है। 42 बिलियन पैरामीटर से बना, उच्च गुणवत्ता वाले डेटा द्वारा प्रशिक्षित, प्रदर्शन और गोपनीयता सुनिश्चित करता है। इसमें तीन प्रकार के मॉडल शामिल हैं: हल्का AI, विशेषज्ञ मिश्रण और बहु-मोडल मॉडल, सभी छवि और वीडियो प्रोसेसिंग बेंचमार्क टेस्ट में उत्कृष्ट प्रदर्शन दिखाते हैं।