Uma nova era da IA
Há um ano, a Microsoft introduziu SLMs (modelos de linguagem pequena) para clientes com o lançamento do Phi-3 no Azure AI Foundry, aproveitando a pesquisa sobre SLMs para expandir a gama de modelos e ferramentas de IA eficientes disponíveis para os clientes.
Hoje, será apresentado o raciocínio Phi-4, o raciocínio Phi-4 plus e o miniraciocínio Phi-4 – marcando uma nova era para modelos de linguagem pequena e mais uma vez redefinindo o que é possível com IA pequena e eficiente.
Modelos de raciocínio, o próximo passo à frente
Os modelos de raciocínio são treinados para aproveitar o dimensionamento de tempo de inferência para executar tarefas complexas que exigem decomposição em várias etapas e reflexão interna. Eles se destacam no raciocínio matemático e estão emergindo como a espinha dorsal de aplicativos agenciais com tarefas complexas e multifacetadas. Tais recursos são normalmente encontrados apenas em grandes modelos de fronteira. Os modelos de raciocínio phi introduzem uma nova categoria de modelos de linguagem pequena. Usando destilação, aprendizado por reforço e dados de alta qualidade, esses modelos equilibram tamanho e desempenho. Eles são pequenos o suficiente para ambientes de baixa latência, mas mantêm fortes recursos de raciocínio que rivalizam com modelos muito maiores. Essa combinação permite que até mesmo dispositivos com recursos limitados executem tarefas complexas de raciocínio com eficiência.
Raciocínio Phi-4 e raciocínio Phi-4-plus
O raciocínio Phi-4 é um modelo de raciocínio de peso aberto de 14 bilhões de parâmetros que rivaliza com modelos muito maiores em tarefas de raciocínio complexas. Treinado por meio de ajuste fino supervisionado do Phi-4 em demonstrações de raciocínio cuidadosamente selecionadas do OpenAI o3-mini, o raciocínio Phi-4 gera cadeias de raciocínio detalhadas que efetivamente aproveitam a computação adicional em tempo de inferência. O modelo demonstra que a curadoria meticulosa de dados e conjuntos de dados sintéticos de alta qualidade permitem que modelos menores concorram com contrapartes maiores.
O Phi-4-reasoning-plus baseia-se nos recursos de raciocínio Phi-4, treinados com aprendizado por reforço para utilizar mais computação em tempo de inferência, usando 1,5x mais tokens do que o raciocínio Phi-4, para oferecer maior precisão.
Apesar de seu tamanho significativamente menor, ambos os modelos alcançam melhor desempenho do que o OpenAI o1-mini e o DeepSeek-R1-Distill-Llama-70B na maioria dos benchmarks, incluindo raciocínio matemático e Ph.D. questões científicas de nível Eles alcançam um desempenho melhor do que o modelo DeepSeek-R1 completo (com 671 bilhões de parâmetros) no teste AIME 2025, o qualificador de 2025 para a Olimpíada de Matemática dos EUA. Ambos os modelos estão disponíveis no Azure AI Foundry e no HuggingFace, aqui e aqui.
Figura 1. Desempenho do raciocínio Phi-4 em benchmarks de raciocínio representativos abrangendo raciocínio matemático e científico. Ilustramos os ganhos de desempenho do pós-treinamento focado no raciocínio de Phi-4 via Phi-4-reasoning (SFT) e Phi-4-reasoning-plus (SFT+RL), juntamente com um conjunto representativo de linhas de base de duas famílias de modelos: modelos de peso aberto da DeepSeek, incluindo DeepSeek R1 (671B Mixture-of-Experts) e sua variante densa destilada DeepSeek-R1 Distill Llama 70B, e os modelos de fronteira proprietários da OpenAI o1-mini e o3-mini. O raciocínio Phi-4 e o raciocínio Phi-4-plus superam consistentemente o modelo básico Phi-4 por margens significativas, excedem o DeepSeek-R1 Distill Llama 70B (5x maior) e demonstram desempenho competitivo em relação a modelos significativamente maiores, como o Deepseek-R1.
Figura 2. Precisão de modelos em benchmarks de uso geral para: controle de qualidade de contexto de entrada longa (FlenQA), acompanhamento de instruções (IFEval), codificação (HumanEvalPlus), compreensão de conhecimento e linguagem (MMLUPro), detecção de segurança (ToxiGen) e outras habilidades gerais (ArenaHard e PhiBench).
Os modelos de raciocínio Phi-4 introduzem uma grande melhoria em relação ao Phi-4, superam modelos maiores como o DeepSeek-R1-Distill-70B e abordam o Deep-Seek-R1 em vários recursos gerais e de raciocínio, incluindo matemática, codificação, resolução de problemas algorítmicos e planejamento. O relatório técnico fornece extensas evidências quantitativas dessas melhorias por meio de diversas tarefas de raciocínio.
Phi-4-mini-raciocínio
O Phi-4-mini-reasoning foi projetado para atender à demanda por um modelo de raciocínio compacto. Esse modelo de linguagem baseado em transformador é otimizado para raciocínio matemático, fornecendo solução de problemas passo a passo de alta qualidade em ambientes com computação restrita ou latência. Ajustado com dados sintéticos gerados pelo modelo Deepseek-R1, o mini-raciocínio Phi-4 equilibra eficiência com capacidade de raciocínio avançada. É ideal para aplicativos educacionais, tutoria incorporada e implantação leve em sistemas móveis ou de ponta, e é treinado em mais de um milhão de problemas matemáticos diversos, abrangendo vários níveis de dificuldade, do ensino médio ao nível de doutorado. Experimente o modelo no Azure AI Foundry or no HuggingFace hoje mesmo.
Figura 3. O gráfico compara o desempenho de vários modelos em benchmarks matemáticos populares para geração de frases longas. O Phi-4-mini-reasoning supera seu modelo básico na geração de frases longas em cada avaliação, bem como modelos maiores como OpenThinker-7B, Llama-3.2-3B-instruct, DeepSeek-R1-Distill-Qwen-7B, DeepSeek-R1-Distill-Llama-8B e Bespoke-Stratos-7B. O raciocínio Phi-4-mini é comparável ao OpenAI o1-mini em benchmarks matemáticos, superando o desempenho do modelo durante as avaliações Math-500 e GPQA Diamond. Como visto acima, o mini-raciocínio Phi-4 com parâmetros 3.8B supera os modelos com mais de duas vezes seu tamanho.
Para obter mais informações sobre o modelo, leia o relatório técnico que fornece insights quantitativos adicionais.
Modelos de raciocínio Phi em ação
A evolução da Phi no ano passado empurrou continuamente esse envelope de qualidade versus tamanho, expandindo a família com novos recursos para atender a diversas necessidades. Em toda a escala de dispositivos Windows 11, esses modelos estão disponíveis para execução local em CPUs e GPUs.
À medida que o Windows trabalha para criar um novo tipo de PC, os modelos Phi tornaram-se parte integrante dos PCs Copilot+ com a variante Phi Silica otimizada para NPU. Esta versão altamente eficiente e gerenciada pelo sistema operacional do Phi foi projetada para ser pré-carregada na memória e disponível com tempo extremamente rápido para as primeiras respostas de token e taxa de transferência de token com eficiência de energia para que possa ser invocada simultaneamente com outros aplicativos em execução em seu PC.
Ele é usado em experiências principais como o Click to Do, fornecendo ferramentas úteis de inteligência de texto para qualquer conteúdo na tela, e está disponível como APIs de desenvolvedor para serem prontamente integradas aos aplicativos – já sendo usado em vários aplicativos de produtividade como o Outlook, oferecendo seus recursos de resumo do Copilot offline. Esses modelos pequenos, mas poderosos, já foram otimizados e integrados para serem usados em vários aplicativos em toda a amplitude do nosso ecossistema de PCs. Os modelos de raciocínio Phi-4 e mini-raciocínio Phi-4 aproveitam as otimizações de baixo bit para Phi Silica e estarão disponíveis para execução em breve nas NPUs do Copilot + PC.
Segurança e abordagem da Microsoft para IA responsável
Na Microsoft, a IA responsável é um princípio fundamental que orienta o desenvolvimento e a implantação de sistemas de IA, incluindo nossos modelos Phi. Os modelos Phi são desenvolvidos de acordo com os princípios de IA da Microsoft: responsabilidade, transparência, justiça, confiabilidade e segurança, privacidade e inclusão.
A família de modelos Phi adotou uma abordagem robusta de segurança pós-treinamento, aproveitando uma combinação de técnicas de Ajuste Fino Supervisionado (SFT), Otimização de Preferência Direta (DPO) e Aprendizado por Reforço com Feedback Humano (RLHF). Esses métodos utilizam vários conjuntos de dados, incluindo conjuntos de dados disponíveis publicamente focados em utilidade e inofensividade, bem como várias perguntas e respostas relacionadas à segurança. Embora a família de modelos Phi seja projetada para executar uma ampla gama de tarefas de forma eficaz, é importante reconhecer que todos os modelos de IA podem apresentar limitações. Para entender melhor essas limitações e as medidas em vigor para resolvê-las, consulte os modelos de cartões abaixo, que fornecem informações detalhadas sobre práticas e diretrizes responsáveis de IA.
Saiba mais aqui:
- Experimente os novos modelos no Azure AI Foundry.
- Leia o livro de receitas Phi.
- Leia sobre modelos de raciocínio Phi em dispositivos de borda.
- Saiba mais sobre o mini-raciocínio Phi-4.
- Saiba mais sobre o raciocínio Phi-4.
- Saiba mais sobre o Phi-4-reasoning-plus.
- Leia mais sobre o raciocínio Phi no blog Educators Developer.
Source: Blog Microsoft Azure.
Conheça o poder dos SLMs e leve IA de ponta à sua operação
A nova geração de modelos Phi da Microsoft está redefinindo o que é possível com IA de pequeno porte. Com o lançamento do Phi-4-reasoning, Phi-4-reasoning-plus e Phi-4-mini-reasoning, sua empresa pode aproveitar modelos compactos e altamente eficientes que entregam raciocínio avançado, desempenho superior e baixos requisitos de hardware — ideais para aplicações em ambientes com latência, custo ou capacidade limitados. Esses modelos não apenas rivalizam com gigantes de bilhões de parâmetros, como também são perfeitos para uso local em PCs com Copilot+, sistemas embarcados e soluções educacionais ou corporativas.
Na DataEX, ajudamos empresas a entender como aplicar essa nova geração de IA na prática — de produtividade e automação inteligente a soluções personalizadas com modelos otimizados. Vamos conversar sobre como os modelos Phi podem acelerar sua estratégia de IA com mais eficiência, privacidade e controle? Agende uma reunião com nossos especialistas e descubra o que a IA de verdade pode fazer pelo seu negócio.
Preencha o formulário e nosso time de especialistas entrará em contato.
E nos siga em nossas social networks e leia o blog Data Universe diariamente.
