마이크로소프트, 훈련 인사이트와 함께 Phi-4-reasoning-vision-15B 멀티모달 모델 공개
모델 개요 및 이용 가능성
Phi-4-reasoning-vision-15B는 Microsoft Foundry, HuggingFace, GitHub를 통해 이용 가능한 150억 개 파라미터의 오픈 웨이트 멀티모달 추론 모델입니다. 추론 능력, 효율성, 훈련 데이터 요구사항을 균형 있게 조화시킨 컴팩트한 모델로 설계되었습니다.
능력 및 성능
이 모델은 이미지 캡션 작성, 이미지에 관한 질문하기, 문서 및 영수증 읽기, 숙제 도움, 이미지 시퀀스 변화 추론을 포함한 다양한 비전-언어 작업을 처리합니다. 특히 수학 및 과학 추론과 컴퓨터 및 모바일 화면 요소 이해 및 그라운딩에서 탁월한 성능을 보입니다.
성능 벤치마크는 10배 이상의 컴퓨팅 시간과 토큰이 필요한 더 느린 모델들과 비교해 경쟁력 있는 결과를 보여주며, 수학 및 과학 추론에서 유사하게 빠른 모델들보다 더 나은 정확도를 보입니다. 사용된 벤치마크에는 ChartQA_TEST, MathVista_MINI, MMMU_VAL, ScreenSpot_v2가 포함됩니다.
훈련 접근법 및 효율성
이 모델은 Phi-4(4000억 개 고유 토큰)를 기반으로 한 Phi-4-reasoning(160억 개 토큰으로 훈련됨)을 활용하여, 단 2000억 개의 멀티모달 데이터 토큰으로 훈련되었습니다. 이는 Qwen 2.5 VL, Qwen 3 VL, Kimi-VL, Gemma3와 같은 다른 멀티모달 모델 훈련에 사용된 1조 개 이상의 토큰과 비교됩니다.
마이크로소프트는 신중한 아키텍처 선택, 엄격한 데이터 큐레이션, 추론 및 비추론 데이터 혼합 사용을 이 모델 훈련의 핵심 교훈으로 강조합니다. 이 접근법은 정확도와 컴퓨팅 비용 간 트레이드오프의 파레토 프론티어를 확장하는 것을 목표로 합니다.
목표 사용 사례
이 모델은 더 작고 빠른 비전-언어 모델이 필요한 자원 제약 또는 상호작용 환경을 위해 고안되었습니다. 구조화된 추론 능력을 유지하면서도 적당한 하드웨어에서 실행할 수 있을 만큼 가볍습니다.
📖 전체 출처 읽기: HN AI Agents
👀 See Also
Anthropic, AI 제한으로 인한 국방부 블랙리스트 등재 방지를 위해 소송 제기
로이터 통신이 해커 뉴스에 공유한 보도에 따르면, Anthropic은 AI 사용 제한을 이유로 국방부가 회사를 블랙리스트에 올리는 것을 막기 위해 소송을 제기했습니다.
미군, 군사적 사용을 위해 Claude 안전장치 제거를 Anthropic에 압박
미국 국방부 장관 피트 헥세스를 포함한 군 지도부가 안트로픽 경영진과 만나 군사적 응용(대규모 감시 및 자율 무기 등)에 대한 클로드의 안전장치 제거를 요구했습니다. 미 국방부는 안트로픽에게 금요일까지 요구사항에 따를 것을 통보했으며, 이행하지 않을 경우 계약 취소 등의 제재를 가할 것이라고 밝혔습니다.
클로드가 실시간 파이썬 코딩 챌린지에서 제미나이, 챗GPT, 그록을 능가합니다
한 개발자가 Claude, Gemini, ChatGPT, Grok을 대상으로 실시간 Python 코딩 토너먼트를 진행했습니다. AI가 생성한 봇들이 15×15 글자 격자판에서 단어를 찾는 경쟁을 펼쳤고, Claude가 압도적으로 승리했습니다.
취리히 연방공과대학교 연구: 과도한 컨텍스트가 AI 코딩 에이전트 성능을 저하시킨다
ETH 취리히 연구팀이 138개의 실제 GitHub 작업에 대해 4개의 코딩 에이전트를 테스트한 결과, LLM이 생성한 컨텍스트 파일은 작업 성공률을 2-3% 감소시키면서 추론 비용을 20% 증가시켰습니다. 인간이 작성한 컨텍스트는 성공률을 약 4%만 향상시켰지만 여전히 상당한 비용 증가를 동반했습니다.