微软宣布：其拥有27亿参数的Phi-2 AI在性能上超越了谷歌的32亿参数Gemini Nano-2

引言

12月13日，微软发布新闻稿宣称，其旗下的Phi-2 2.7B模型在多个方面的表现均超越了谷歌发布的Gemini Nano-2 3.2B。

AI

一、微软Phi-2模型：性能显著提升

微软在人工智能领域的发展一直备受关注。今年6月，微软发布了Phi-1模型，拥有13亿参数，适用于QA问答、聊天格式和代码等场景。随后在9月，微软更新发布了Phi-1.5版本，同样为13亿参数，可以写诗、写电子邮件和故事，以及总结文本。在常识、语言理解和推理的基准测试中，该模型在某些领域能够跟上多达100亿个参数的模型。

微软最新的Phi-2模型拥有27亿参数，规模虽然比此前版本翻番，但相比较其他主流语言模型，依然小很多。然而，微软表示Phi-2在逻辑推理和安全性方面显示出显著的改进。通过正确的微调和定制，小型语言模型是云和边缘应用程序的强大工具。

AI

二、谷歌Gemini Nano-2模型：专为小型设备设计

谷歌的Gemini Nano系列是专门为在小型设备上本地运行而构建的模型版本。最新的Gemini Nano-2模型拥有32亿参数，将率先装备在Pixel 8 Pro机型上。在录音场景下，用户可以选中录音文件并点击“Transcript（文本稿）”标签，再点击顶部的“总结”按钮，该App将会生成多条与录音内容有关的要点。此外，在Gboard输入法中，Gemini Nano将会实现“具有对话意识的高质量回复”，其中WhatsApp将是第一个支持智能回复的App，明年其他App也将陆续获得支持。

AI

三、性能对比：Phi-2多项性能优于Gemini Nano-2

微软在最新博文中，对比了Phi-2模型和谷歌的Gemini Nano-2模型，表示Phi-2在多项性能上均优于Gemini Nano-2模型。微软还对比表示其Phi-2性能，已经超过了70亿参数和130亿参数的Llama-2，以及70亿参数的Mistral。这一对比结果表明，尽管Phi-2的参数规模相对较小，但其在实际应用中的性能表现却超越了参数规模更大的模型。

AI

结论：小型语言模型的潜力

微软Phi-2模型在多个方面优于谷歌Gemini Nano-2模型的声明，再次证明了小型语言模型在云和边缘应用程序中的潜力。虽然参数规模并非决定AI模型性能的唯一因素，但微软Phi-2的成功表明，通过正确的微调和定制，即使参数规模较小的模型也能在特定任务和场景中展现出卓越的性能。

在人工智能领域的竞争中，微软Phi-2模型的这一突破无疑为微软赢得了更多的关注和市场份额。未来，我们期待看到更多小型设备上的智能应用，以及AI技术在各个领域的深入发展。

相关AI交流群，请点击GS公众号首页获取！