API Phi-4-mini

API Phi-4-Mini mewakili microsoftInovasi terbaru dalam model bahasa kecil dalam siri Phi-4, memfokuskan terutamanya pada tugasan teks. Dengan rangka kerja padat yang menempatkan 3.8 bilion parameter, Phi-4-Mini cemerlang dalam kelajuan dan kecekapan terima kasih kepada seni bina Transformer padat dekoder sahaja.

Ciri-ciri Utama Phi-4-Mini

. Model Phi-4-Mini adalah luar biasa kerana keupayaannya untuk melaksanakan pelbagai tugas seperti penaakulan teks, pengiraan matematik, pengaturcaraan, dan panggilan fungsi. Walaupun saiznya yang agak kecil, Phi-4-Mini bersaing dengan—dan selalunya mengatasi—model bahasa yang lebih besar dalam bidang ini:

• Penaakulan Teks: Ia cemerlang dalam tugas yang memerlukan pemprosesan logik, menawarkan prestasi serupa dengan model dengan parameter yang jauh lebih besar.
• Sokongan Komprehensif untuk Teks Panjang: Mampu memproses jujukan sehingga 128K token, Phi-4-Mini sesuai untuk mengendalikan teks yang meluas dengan cekap.
• Integrasi Fungsi Berskala: Keupayaan panggilan fungsi Phi-4-Mini membolehkan penyepaduan yang lancar dengan alatan luaran, API dan sumber data, meningkatkan kepelbagaiannya dalam senario aplikasi.

Prinsip Teknikal Di Sebalik Phi-4-Mini

Seni bina Phi-4-Mini berasaskan reka bentuk teknikal yang canggih bertujuan untuk memaksimumkan kecekapan dan kebolehsuaian:

• Seni Bina Transformer: Model ini dibina pada rangka kerja Transformer penyahkod sahaja, menggunakan mekanisme perhatian kendiri untuk mengurus kebergantungan jangka panjang dengan berkesan dalam jujukan teks.
• Perhatian Pertanyaan Berkumpulan: Mekanisme ini meningkatkan kecekapan pengiraan dengan memproses pertanyaan dalam kelompok berkumpulan, memperkukuh kapasiti model untuk pemprosesan selari.
• Strategi Pembenaman Dikongsi: Dengan berkongsi pemasukan input dan output, Phi-4-Mini mengurangkan beban parameter, meningkatkan kebolehsuaian tugas dan kecekapan operasi.

Pilihan seni bina ini menyesuaikan Phi-4-Mini untuk cemerlang penjanaan bahasa semula jadi sambil mengekalkan prestasi tinggi merentas pelbagai kes penggunaan.

Data dan Butiran Latihan

Data Latihan Bahasa

Data latihan untuk Phi-4-Mini termasuk data teks kaya penaakulan berkualiti tinggi, terutamanya set data kod yang dipilih susun dengan teliti untuk meningkatkan prestasi tugas pengaturcaraan. Data pra-latihan ditambah baik dengan penapis dan strategi pencampuran data untuk memastikan kualiti dan kepelbagaian data yang tinggi. Khususnya, data pra-latihan termasuk korpus 5 trilion token, yang lebih besar dan berkualiti tinggi daripada Phi-3.5-Mini.

Data Latihan Visi-Bahasa

Fasa pra-latihan Phi-4-Multimodal melibatkan set data teks imej yang kaya, termasuk dokumen teks imej berjalin, pasangan teks imej, data penyetempatan imej, dll. Proses pralatihan melibatkan 0.5 trilion token, menggabungkan elemen visual dan teks. Fasa penalaan halus (SFT) diselia menggunakan set data talaan arahan berbilang mod awam dan set data talaan arahan berbilang mod dalaman berskala besar, meliputi tugas seperti pemahaman imej semula jadi, carta, penaakulan jadual dan rajah, analisis PowerPoint, OCR, perbandingan berbilang imej, ringkasan video dan keselamatan model.

Data Latihan Pertuturan Visual

Phi-4-Multimodal telah dilatih mengenai data pertuturan visual, meliputi kedua-dua senario bingkai tunggal dan berbilang bingkai. Kualiti data yang tinggi dipastikan dengan menukar pertanyaan pengguna daripada teks kepada audio melalui enjin teks-ke-ucapan (TTS) dalaman. Khususnya, penyelidik menggunakan model ASR dalaman untuk menyalin audio dan mengira kadar ralat perkataan (WER) antara teks asal dan transkripsi, dan kualiti data visual pertuturan akhir dipastikan melalui penapisan WER.

Data Latihan Pertuturan dan Audio

Data latihan untuk ciri pertuturan/audio termasuk data transkripsi pengecaman pertuturan automatik (ASR) dan data pasca latihan, meliputi pelbagai tugas seperti terjemahan pertuturan automatik (AST), menjawab soalan pertuturan (SQA), ringkasan pertuturan (SSUM) dan pemahaman audio (AU). Data pra-latihan termasuk kira-kira 2 juta jam pasangan teks pertuturan dalaman tanpa nama, meliputi 8 bahasa yang disokong. Data selepas latihan termasuk kira-kira 100 juta sampel SFT pertuturan dan audio yang dipilih susun dengan teliti, meliputi tugasan seperti ASR, AST, SQA, SQQA, SSUM dan AU.

Topik yang berkaitan:3 Model Penjanaan Muzik AI Terbaik 2025

Penggunaan dan Keserasian Optimum

Phi-4-Mini dioptimumkan untuk keserasian merentas platform, memudahkan penggunaan dalam pelbagai persekitaran pengkomputeran:

• Pengoptimuman ONNXRuntime: Memastikan model berfungsi dengan cekap dalam tetapan kos rendah, kependaman rendah, menyokong aplikasi merentas platform yang luas.
• Persekitaran Terkandas Sumber: Sifatnya yang ringan menjadikan Phi-4-Mini sesuai untuk penggunaan pengkomputeran tepi di mana sumber adalah terhad, memaksimumkan kecekapan operasi tanpa menjejaskan keupayaan.

Falsafah Latihan dan Penggunaan Data

Proses latihan Phi-4-Mini adalah ketat, memfokuskan pada set data yang berkualiti tinggi dan pelbagai untuk memperkukuh penaakulan and pengendalian logik kemampuan:

• Data Latihan Disaring: Menggabungkan set data sintetik dan disasarkan untuk memperhalusi prestasi tugasan matematik dan pengaturcaraannya.
• Penyesuaian dan Ketepatan: Strategi latihan menekankan kualiti dan kepelbagaian data, menyediakan model untuk tugas penaakulan yang kompleks merentas pelbagai aplikasi.

Kes Penggunaan Dunia Sebenar

Phi-4-Mini menawarkan aplikasi luas dalam pelbagai senario, mempamerkan kebolehsuaian dan utilitinya:

• Sistem Jawapan Pintar: Mencapai prestasi yang sangat baik dalam tugasan soal jawab yang kompleks, memberikan respons yang tepat dan pantas yang sesuai untuk aplikasi perkhidmatan pelanggan.
• Bantuan Pengaturcaraan: Menawarkan alat berkuasa pembangun untuk penjanaan dan ujian kod, meningkatkan produktiviti dan kecekapan aliran kerja.
• Keupayaan berbilang bahasa: Menyokong terjemahan dan pemprosesan merentas pelbagai bahasa, menjadikannya ideal untuk perkhidmatan bahasa global dan aplikasi silang budaya.
• Pengkomputeran Tepi dan Penerapan: Dioptimumkan untuk penggunaan peranti mudah alih, Phi-4-Mini berkembang maju dalam senario pengkomputeran tepi di mana pemprosesan yang cekap adalah yang terpenting.

Kesimpulan:

Phi-4-Mini, dengan reka bentuk inovatif dan prestasi luar biasa dalam tugas pemprosesan teks, mewakili kemajuan ketara dalam teknologi model bahasa kecil. Model ini menyediakan pembangun dan pengguna AI alat kecekapan tinggi yang mampu mengurus aplikasi yang luas dan pelbagai tanpa memerlukan sumber pengiraan yang banyak. Seiring perkembangan siri Phi-4 Microsoft, keupayaan penyesuaian dan penyepaduan Phi-4-Mini memastikan perkaitan dan utilitinya yang berterusan dalam landskap AI yang berkembang, akhirnya berfungsi sebagai sumber penting untuk perkembangan masa depan dalam kecerdasan buatan.

Bagaimana untuk memanggil API Phi-4-Mini ini daripada CometAPI

1.Log masuk ke cometapi.com. Jika anda belum menjadi pengguna kami, sila daftar dahulu

2.Dapatkan kunci API kelayakan akses antara muka. Klik "Tambah Token" pada token API di pusat peribadi, dapatkan kunci token: sk-xxxxx dan serahkan.

3. Dapatkan url tapak ini: https://api.cometapi.com/

4. Pilih titik akhir Phi-4-Mini untuk menghantar permintaan API dan menetapkan badan permintaan. Kaedah permintaan dan badan permintaan diperoleh daripada dokumen API tapak web kami. Laman web kami juga menyediakan ujian Apifox untuk kemudahan anda.

5. Proses respons API untuk mendapatkan jawapan yang dijana. Selepas menghantar permintaan API, anda akan menerima objek JSON yang mengandungi penyiapan yang dijana.