Microsoft Phi-3 Vision: 4.2B parametri multimodal su dispositivi edge

Phi-3 Vision è un modello di Microsoft che capisce testo e immagini insieme, ma con una caratteristica speciale: è piccolo abbastanza da girare su smartphone e laptop senza connessione cloud. Con solo 4.2 miliardi di parametri riesce a gestire documenti molto lunghi (fino a 128mila parole) e a ragionare su immagini. Supera modelli dieci volte più grandi su molti test, dimostrando che la qualità dei dati di addestramento conta più della dimensione.