Phi-3.5-vision-instruct
MicrosoftPhiOpen WeightMIT · Commercial OK
Descripción
Phi-3.5-vision-instruct is a 4.2B-parameter open multimodal model with up to 128K context tokens. It emphasizes multi-frame image understanding and reasoning, boosting performance on single-image benchmarks while enabling multi-image comparison, summarization, and even video analysis. The model underwent safety post-training for improved instruction-following, alignment, and robust handling of visual and text inputs, and is released under the MIT license.
Fecha de lanzamiento
2024-08-23
Parámetros
4.2B
Longitud del contexto
—
Modalidades
—
Radar de capacidades
40
general
0
coding
40
reasoning
34
scienceest.
0
agents
70
multimodal
Science usa un proxy de razonamiento cuando los benchmarks científicos dedicados no están disponibles.
Rankings
| Dominio | #Posición | Puntuación | Fuente |
|---|---|---|---|
| Multimodal Ranking | 30 | 80.0 | LS |
Puntuaciones de benchmarks (LLM Stats)
General
MMMU
43.0%Aut.
Image To Text
TextVQA
72.0%Aut.
Math
ScienceQA
91.3%Aut.
MathVista
43.9%Aut.
InterGPS
36.3%Aut.
Multimodal
POPE
86.1%Aut.
MMBench
81.9%Aut.
ChartQA
81.8%Aut.
AI2D
78.1%Aut.
Índices de evaluación AA
No hay datos de evaluación AA disponibles
Puntuaciones por categoría LLM Stats
Vision70
Image To Text70
Multimodal70
Reasoning70
General40
Healthcare40
Math40
Precios
No hay datos de precios disponibles
Velocidad
No hay datos de velocidad disponibles
Proveedores disponibles
(Unidades internas LS)No hay datos de proveedores disponibles