微软推出了轻量级人工智能模型Phi-3 Mini下一版本，这是该公司计划发布的三个小型模型中的第一个。
Phi-3 Mini可测量38亿个参数（参数是指模型可以理解多少复杂指令），并在相对于GPT-4等大型语言模型更小的数据集上进行训练。Phi-3 Min已在Azure、Hugging Face和Ollama上提供，微软计划发布Phi-3 Small（7B参数）和Phi-3 Medium（14B参数）。
微软于12月发布了Phi-2，其性能与Llama 2等更大的模型一致。微软表示，Phi-3的性能比之前的版本更先进，并且可以提供接近于比它大10倍模型的响应。
微软Azure AI平台公司副总裁Eric Boyd表示，Phi-3 Mini与GPT-3.5等LLM一样性能强大，“只是体积更小”。
与大型人工智能模型相比，小型人工智能模型通常运行成本更低，并且在手机和笔记本电脑等个人设备上表现更好。The Information今年早些时候报道称，微软正在组建一个专注于轻量级人工智能模型的团队。除了Phi，微软还构建了Orca-Math，专注于解决数学问题的模型。
值得一提的是，微软竞争对手也有小型人工智能模型，其中大多数针对更简单的任务，例如文档摘要或编码辅助。谷歌Gemma 2B和7B非常适合简单的聊天机器人和语言相关处理；Anthropic Claude 3 Haiku可阅读带有图表的密集研究论文并快速总结，而Meta最近发布的 Llama 3 8B可用于聊天机器人和编码辅助。
Boyd表示，开发者通过“课程”对Phi-3进行了培训，灵感来自于孩子们如何从睡前故事、单词更简单的书籍以及谈论更大主题的句子结构中学习。
“市面上没有足够的儿童读物，因此我们列出了3000多个单词的清单，以制作‘儿童读物’LLM来训练Phi。”
Boyd补充，Phi-3建立在之前迭代知识之上。Phi-1专注于编码，Phi-2学习推理，而Phi-3更擅长编码和推理。虽然Phi-3系列模型了解一些常识，但它还无法在广度上击败GPT-4或其他LLM，通过互联网培训的LLM获得的答案与像Phi-3这样的较小模型所得到的答案有很大不同。
