Phi-4-multimodal-instruct
Suverenitetas ir prieglobstis
Šis modelis įtrauktas į katalogą tik kaip nuoroda. Jis dar nėra prieglobstamas LLM EU, ir joks pirmosios šalies galinis taškas jo čia neaptarnauja. Užklausos jam siunčiamos tiesiogiai teikėjui, pagal to teikėjo sąlygas.
Santrauka
Phi-4-multimodal-instruct is a 5.6B model that accepts text, images and speech in one checkpoint, with a 128K-token context and the MIT licence. The model card reports 55.1 on MMMU, 93.2 on DocVQA and 62.4 on MathVista, and lists the supported languages separately for each input modality. It is a compact option for document and speech pipelines that would otherwise need two models.
Specifikacijos
- Teikėjas
- Microsoft (US)
- Konteksto langas
- 131k
- Parametrai
- 5.57B
- Modalumai
- text, vision, audio
- Licencija
- mit · licence
- Atvirieji svoriai
- yes
- Išleidimo data
- 2025-02-24
- Užduotys
- vision, summarization, multilingual-support, cheap
Kalbos
Stipri: en, de, fr, es, it, pt
Pakankama: nl, pl, sv, da, fi, cs, ru, uk, ar, zh, ja, ko, hi, tr
Kalbos
Stipri
- en
- de
- fr
- es
- it
- pt
Pakankama
- nl
- pl
- sv
- da
- fi
- cs
- ru
- uk
- ar
- zh
- ja
- ko
- hi
- tr
Nepatikrinta: teikėjas nedokumentavo šio teiginio. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.
Kada naudoti
Stiprybės
- text, image and speech input at 5.6B parameters
- 128K-token context for document batches
- MIT licence
- 23 declared languages including most large EU languages
Apribojimai
- modality-specific quality is below dedicated single-modality models
- English-centric training data
- no evaluation has been run by LLM EU