主要观点总结
微软最新推出的Phi 3.5系列模型包括Phi-3.5-mini-instruct、Phi-3.5-MoE-instruct和Phi-3.5-vision-instruct三款新型号，这些模型在第三方基准测试中表现出色，并获得了微软的MIT许可证，可供开发人员在Hugging Face上下载、使用和微调。接下来将介绍这三款模型的特点和用途。
关键观点总结
关键观点1: 微软推出Phi 3.5系列新模型
包括Phi-3.5-mini-instruct、Phi-3.5-MoE-instruct和Phi-3.5-vision-instruct三款新型号，这三个模型都具备优秀的性能并在第三方基准测试中表现突出。
关键观点2: Phi 3.5系列模型的特点和用途
Phi-3.5系列模型具备强大的性能，支持多种语言和长上下文任务。其中，Phi-3.5-mini-instruct是一款轻量级模型，适合在内存或算力受限的设备上使用；Phi-3.5-MoE-instruct是微软Phi模型中的首个MoE模型，擅长处理高质量推理密集数据；Phi_3.5-vision-instruct是一款多模态模型，集成了文本和图像处理功能。
关键观点3: Phi 3.5系列模型的性能表现
Phi 3.5系列模型在某些基准测试中击败了其他领先的大模型，包括谷歌的Gemini 1.5 Flash、Meta的Llama 3.1甚至OpenAI的GPT-4o。其中，Phi-3.5系列中的不同型号模型在不同任务上表现出色，如多语言任务、长上下文任务和专业学科任务等。
正文
就在今天，微软「小语言模型」系列正式升级，最新的Phi 3.5版本一口气连发三款模型——
- 38.2亿参数的Phi-3.5-mini-instruct
- 419亿参数的Phi-3.5-MoE-instruct
- 41.5亿参数的Phi-3.5-vision-instruct
这三个模型都可供开发人员在Hugging Face上下载、使用和微调，并获得了微软的MIT许可证，可以进行不受限制的商业应用和修改。
别看规模不大，但这三个模型在很多第三方基准测试中都性能表现都相当不错，甚至在某些情况下击败了其他领先大模型，包括谷歌的Gemini 1.5 Flash、Meta的Llama 3.1，甚至在一些竞技场上击败了OpenAI的GPT-4o。
优秀的性能加上宽松的开放许可证，网友在社交网络上纷纷试用并点赞Phi 3.5新系列：
接下来，根据Hugging Face上的发行说明，简要介绍一下三款新型号模型的不同特点和用途。
Phi-3.5-mini-Instruct：小而美
模型：https://huggingface.co/microsoft/Phi-3.5-mini-instruct
延续之前模型小而美的路线
，Phi-3.5-mini-Instruct也是一种轻量级AI模型，基于Phi-3使用的数据集构建，拥有38亿个参数，支持128k token上下文长度。
Phi-3.5-mini使用512个H100-80G GPU，在10天内对3.4万亿个token进行了训练。
Phi-3.5-mini非常适合在内存或算力受限的设备上使用，虽然内存有限但推理能力不减，可以完成代码生成、数学问题的解决和逻辑推理等任务。
默认情况下，Phi-3.5-mini使用Flash Attention，这需要某些类型的GPU硬件才能运行。
通过在不同类型的GPU上进行测试，发现在NVIDIA V100或更早一代GPU上即可使用。
多语言
尽管尺寸紧凑，Phi-3.5-mini在多语言和多轮对话任务中表现出了优秀的性能。
Phi-3.5-mini支持阿拉伯语、中文、英语、芬兰语、法语、德语等23种语言。
下表重点介绍了
Phi-3.5-mini
在多语言MMLU、MEGA和多语言MMLU-pro数据集上的多语言功能。
总体而言，即使只有3.8B参数，
Phi-3.5-mini
在多语言任务上与其他更大参数的模型相比，也具有竞争力。
长上下文
Phi-3.5-mini支持128K上下文长度，因此该模型能够执行多种长上下文任务，包括长文档/会议摘要、长文档QA、长文档信息检索。
Phi-3.5-mini
在衡量「长上下文代码理解」的RepoQA基准测试中超越了其他类似大小的模型，比如Llama-3.1-8B-instruct和Mistral-7B-instruct。
Phi-3.5-MoE-instruct：首款MoE
模型：https://huggingface.co/microsoft/Phi-3.5-MoE-instruct
Phi-3.5-MoE-instruct是微软Phi模型中的首个MoE模型，将多种不同类型的模型组合成一个模型，汇总的模型内部每个类型模型专门从事不同的任务。
顾名思义，Phi-3.5-MoE
采用的是混合专家架构，在23天内使用512个H100-80G GPU，对4.9万亿个token进行了训练。
420亿个参数的架构，支持128k token上下文长度，Phi-3.5-MoE专注于处理高质量，推理密集数据。
然而，根据HuggingFace文档，Phi-3 MoE有16x3.8B参数，只能使用6.6B参数运行。
Phi-3.5-MoE
专为在各种推理任务而设计，尤其是在代码、数学和多语言理解方面具有强大的性能。
并且，MoE模型经历了严格的优化过程，结合了监督微调、近端策略优化（proximal policy optimization）和直接偏好优化（direct preference optimization），确保精确并且安全的指令遵守。
与Phi-3.5-mini一样，MoE版本也支持多种语言，并且在长上下文表现优秀，在特定基准测试中优于较大的模型，包括RepoQA：
专业学科
由于Phi-3.5-MoE模型的定位是处理不同种类的专业任务，那它在专业学科领域表现如何？
Phi-3.5-MoE在5个样本MMLU（大规模多任务语言理解）上击败了GPT-4o mini，涉及STEM、人文科学、社会科学等不同专业水平的学科。
因此，MoE模型独特的组合架构使其能够跨多种语言的情况下，也能处理不同类型复杂的任务，并且保持高质高效。
Phi-3.5-vision-instruct：视觉多模态
模型：https://huggingface.co/microsoft/Phi-3.5-vision-instruct
前两个模型都用于文本推理，而Phi-3.5-vision-instruct作为多模态模型，集成了文本和图像处理功能。
Phi-3.5-vision在6天内使用256个A100-80G GPU，对5000亿个token进行了训练。
多模态模型特别适合一般的图像理解、光学字符识别、图表和表格理解以及视频摘要等任务。
与Phi-3.5系列中的其他模型一样，Phi-3.5-vision支持128k token上下文长度，能够处理复杂的多帧视觉任务。
微软强调，模型是结合合成和过滤的公开可用数据集进行训练的，重点关注高质量、推理密集的数据。
