생성형 인공지능 | ||
{{{#!wiki style="margin:-0px -10px -5px" {{{#!folding [ 펼치기 · 접기 ] {{{#!wiki style="margin:-5px -1px -11px; word-break:keep-all" | 텍스트 | [[소설| 소설 ]] NovelAI · AI Dungeon · AI 노벨리스트 · GPTRPG |
대화형 | [[챗봇| 챗봇 ]] ChatGPT · Microsoft Copilot · Gemini · CLOVA X · Cue: · Inflection AI · Mistral AI · Grok | |
[[언어 모델| 언어모델 ]] GPT-1 · GPT-2 · GPT-3 · GPT-4· LLaMA · Gemma · Claude · Phi · 엑사원 | ||
코드 | [[코드#컴퓨터 소프트웨어| 코드 ]] GitHub Copilot · Devin · Phind | |
그림/영상 | [[그림 인공지능| 그림 ]] Midjourney · DALL·E · Artbreeder · NovelAI Image Generation · Stable Diffusion · FLUX.1 · Gaugan2 · Dream by WOMBO · Adobe Firefly · Deep Dream Generator | |
[[영상| 영상 ]] Stable Video · Sora · Lumiere · Veo · Runway AI · Luma Dream Machine | ||
[[모델링| 모델링 ]] LATTE3D | ||
오디오/소리 | [[음성| 음성 ]] A.I.VOICE · DeepVocal · Voice Engine | |
[[음악| 음악 ]] Suno · Stable Audio · Udio · AIVA · SOUNDRAW · keeneat · Mix.audio · vio.dio | ||
멀티모달 | [[멀티모달 모델| 멀티모달 ]] GPT-4o · o1 · | |
행위/동작 | [[인공지능 로봇| 로봇 ]] Robot Operating Syetem(ROS) · Google RT-X · 프로젝트 그루트 | }}}}}}}}} |
Phi | |
<colbgcolor=#ddd,#000> 분류 | 소형 언어 모델 |
개발사 | Microsoft |
출시일 | Phi-1 2022년 6월 22일 |
버전 | 3.5 |
링크 | (Phi-1 시리즈) (Phi-3 시리즈) |
[clearfix]
1. 개요
Microsoft에서 개발한 오픈 소스 소형 언어 모델.2. 모델
2.1. Phi-1
Phi의 초기 모델로, 파이썬 코딩 모델로 공개되었다.2.2. Phi-1.5
파이썬 코딩 모델이던 Phi-1을 언어 모델로 업그레이드한 모델이다. 13억 개의 파라미터를 가진 경량 모델이지만 LLM(대형 언어 모델)에 준하는 성능을 보인다. #2.3. Phi-2
27억 매개변수를 가진 모델. 파이-2는 파이-1.5에 비해 논리적 추론과 안전성이 획기적으로 향상되었으며 언어 이해, 추론, 수학, 코딩 과제 등의 벤치마크에서 Mistral 7B, LLaMA-2 7B LLaMA-2 13B의 성능을 대부분 능가하는 것으로 나타났다.또한 이미지를 분석하는 비전 기능도 포함되었다. #
2.4. Phi-3
Phi-3는 매개변수 38억 개인 'mini'와 70억 개인 'small', 140억 개인 'medium' 3가지 버전으로 출시되었다. 가장 크기가 작은 Phi-3 mini조차도 GPT-3.5의 성능과 맞을 정도로 소형 언어모델인데도 불구하고 준수한 성능을 보여준다.2.5. Phi-3.5
38억2000만 매개변수의 'Phi 3.5 mini Instruct', 419억 매개변수의'Phi-3.5 MoE Instruct', 이미지 및 동영상을 분석할 수 있는 41억5000만 매개변수의 'Phi 3.5 vision Instruct' 세 가지 모델로 출시되었다.모든 모델이 12만 8000토큰의 컨텍스트 창을 지원해 대량의 데이터를 한번에 입력할 수 있다.
또한 Phi-3.5 mini Instruct는 RepoQA 벤치마크에서 'LLaMA-3.1 8B Instruct' 'Mistral 7B Instruct' 등 동급 모델의 성능을 능가했으며, Phi-3.5 MOE Instruct는 MMLU 평가에서 OpenAI의 GPT-4o모델보다 평균 2~3% 높은 점수를 기록했다. #
3. 특징
매개변수가 적어 온디바이스[1]로 사용하기 용이하다.[1] 인터넷 연결 없이 디바이스 내에서 처리가 가능한 AI