跳到正文

Phi-3.5-vision

面向文本与视觉的轻量多模态模型

访问官网
分类 AI模型

Phi-3.5-vision 是什么

该模型被介绍为微软的轻量多模态模型,面向文本与视觉数据的高质量推理而构建。

你可以用它做什么

  • 对多帧图像进行推理
  • 读取图像中的图表、表格和文字
  • 构建图像摘要的提示

应用场景

  • 办公团队为长文档生成摘要
  • 教育者从幻灯片中提取要点
  • 创作者比较成组图像

优点与缺点

✓ 我们认可的地方

  • 适用于内存或计算受限、延迟敏感的场景
  • 资料列出多语言支持

! 需要留意的地方

  • 多语言支持主要针对英语环境设计
  • 推理需获取检查点并准备图像数据

常见问题

由谁开发?

资料说明由微软开发。

基于什么数据?

资料列出合成数据和经过筛选的公开可用网站。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法