文章围绕微软最新开源的 Phi-4-reasoning-vision-15B 展开，系统阐述了该模型的研发初衷与关键设计决策。作者首先指出，当前多模态模型普遍追求更大规模，导致训练与推理成本高企，限制了其在资源受限或实时交互场景中的应用。为此，他们选择了一条 "更小、更快" 的技术路径，仅使用 200B 多模态 token 进行训练，显著低...

阅读更多