Multimodal Phi Silica

В апреле 2025 года Microsoft описала мультимодальное расширение Phi Silica: локальная модель Windows получила возможность учитывать визуальные данные наряду с текстом. Это отдельная страница для визуальной версии, но важно понимать границу названия: компания представила её как мультимодальную функциональность Phi Silica, а не как общедоступный независимый набор весов на Hugging Face.

Что добавляет зрение

Изображение становится частью запроса

Визуальное расширение позволяет приложению передавать модели изображение и получать текстовый ответ о его содержимом. Microsoft отмечает, что для этой функции потребовалось добавить лишь несколько миллионов параметров, а не подключать отдельную многомиллиардную модель зрения. Обработка на устройстве расширяет сценарии Phi Silica, сохраняя её ориентацию на локальную работу.

Практические сценарии

Доступность и помощь с визуальной информацией

Microsoft показала применение визуального описания в функциях доступности Windows, в том числе для помощи пользователям экранного диктора. Модель может помочь сформулировать, что находится на изображении или элементе интерфейса. Это не гарантирует точного распознавания каждого мелкого объекта, числа или текста на экране; критические данные следует сверять с оригиналом.

Условия использования

Расширение остаётся частью Windows AI

Доступ к возможностям зависит от API Windows и поддерживаемых устройств. В отличие от открытой Phi-4 Multimodal, разработчик не скачивает независимые веса Multimodal Phi Silica и не разворачивает их на произвольном сервере. Поддержка мультимодального интерфейса и его доступность для приложений определяются выпуском Windows и комплектом разработчика.

Связь с базовой моделью

Не путайте системную версию с Phi-4

Исходная Phi Silica — локальная текстовая модель для Windows. Визуальная функциональность расширяет её на уровне системной интеграции; это не то же самое, что отдельная открытая модель Phi-4 Multimodal или Phi-4 Reasoning Vision. Для сравнения можно посмотреть страницы этих версий семейства Phi в каталоге.

Связанные модели

Другие разработки Microsoft

Phi Silica · Phi-4 Multimodal · Phi-4 Reasoning Vision 15B · Microsoft AI в Вики Futuretools

Первичные источники

Материалы разработчика и официальные карточки моделей

описание мультимодальных возможностей Phi Silica · документация Windows AI API для Phi Silica