A Microsoft lançou o Phi-3.5-vision, um modelo de IA leve e multimodal de código aberto, projetado para lidar com entradas de texto e visão, suportando comprimento de contexto de 128K. O modelo é adequado para ambientes com recursos limitados e possui recursos como compreensão de imagens, OCR, análise de gráficos, resumo de várias imagens, mostrando desempenho excepcional e baixa latência. Composto por 4,2 bilhões de parâmetros, treinado com dados de alta qualidade para garantir desempenho e privacidade. Inclui três modelos: IA leve, modelo híbrido de especialistas e modelo multimodal, todos apresentando desempenho superior em benchmarks de processamento de imagens e vídeos.

Em meio à crescente competição no campo da inteligência artificial, a OpenAI mais uma vez lidera a tendência, lançando um modelo de linguagem ampla leve chamado GPT-4o mini. Essa iniciativa não apenas marca uma nova tendência de miniaturização dos grandes modelos de IA, mas também representa a implementação concreta da estratégia da OpenAI de tornar a tecnologia IA avançada 'o mais amplamente acessível possível'.