Azure AI 正式開放 GPT-4o 微調，並上線 Llama 3.2

光靠通用大模型寫兩句提示詞，早就滿足不了專業場景的需求了。要麼輸出風格對不上自家品牌，要麼在專業術語前頻頻出錯。

微軟在 Azure AI 上正式向所有客戶開放 GPT-4o 和 GPT-4o mini 的微調功能。此前這項能力只面向小範圍預覽，現在企業可以直接用自有資料去訓練這兩個主力模型。

除了 OpenAI 的當家模型，Azure 模型目錄裡的可選陣容也一口氣增加了好幾個大牌。

從微調旗艦到打包開源新貨

對企業來說，微調最大的好處就是能讓模型完全貼合業務規範。翻譯自動化公司 Lionbridge 表示，微調後的 GPT 模型在西班牙語、德語和日語上的翻譯準確度，已經超過了通用底座和傳統的神經機器翻譯引擎。微軟旗下的醫療語音公司 Nuance 也正用這項能力處理臨床工作流。

如果你覺得跑大模型太貴，微軟同時支援對輕量級小模型 Phi-3 進行微調。比如 Khan Academy 最近就在論文裡提到，微調後的 Phi-3 在幫學生排查數學錯誤這件事情上，表現明顯優於其他模型。

在模型庫擴充方面，Meta 剛釋出的 Llama 3.2 多模態視覺模型（11B 和 90B）已經進駐 Azure AI 目錄，目前支援託管計算，後續會開通 Serverless 介面。

微軟自家的 Phi-3.5-MoE-instruct 和具備多圖推理能力的 Phi-3.5-vision-instruct 已經支援 Serverless 端點與 GitHub Models。此外，沙特 SDAIA 開發的雙語模型 ALLaM-2-7B，以及 Cohere 升級後的 Command R 和 Command R+ 也在這次同步上線。

給企業扎牢資料和安全籬笆

把私有資料送去微調，大企業最擔心的從來不是技術，而是合規與洩密。

微軟這次為 Azure AI Studio 帶來了完整的網路隔離方案。通過託管虛擬網路（VNET）和私有端點（Private Endpoint），儲存、搜尋和模型服務可以徹底斷開外部公網訪問。開發人員在測試工作臺裡和企業資料對話時，也可以直接啟用 Entra ID 免密憑據認證。

針對資料駐留難題，微軟即將推出 Azure OpenAI Data Zones，企業可以在全球部署、資料專區部署和區域部署之間選擇，把靜態資料牢牢鎖在指定的地理區域內。

安全防護模組 Azure AI Content Safety 也補了兩個新工具。一個是處於預覽狀態的 Correction 功能，它能在幻覺內容展示給使用者之前直接即時修正；另一個是針對程式碼受保護內容的檢測，防止 AI 生成的程式碼侵犯已有開源專案的版權。

為什麼重要

我們認為，微軟這套組合拳打得非常務實，直接打到了大企業上雲做 AI 的軟肋上。

對開發者和企業技術團隊來說，以前用 GPT-4o 只能拼命在 Prompt 裡塞規則和幾萬字的參考資料。現在有了微調通道，無論是統一客服調性還是訓練專業程式碼助手，模型的響應速度和成本都會比生硬堆 RAG 好得多。再加上小模型 Phi-3 的微調方案，算力預算有限的團隊也能在邊緣端跑定製業務。

更關鍵的是生態防禦。目前市場上開源模型步步緊逼，Meta 的 Llama 3.2 剛出，微軟轉頭就塞進自家目錄，一邊賣 OpenAI 的定製服務，一邊當開源模型的最大超市。這種兩頭通吃的打法，基本封死了同類雲廠商單靠某一家模型建立壁壘的可能。

不過隱患也不是沒有。微調非常吃資料清洗質量，如果企業拿不出高質量的專業語料，微調出來的 GPT-4o 很容易出現嚴重的災難性遺忘或調優變形。微軟雖然提供了端到端的資料蒸餾流程，但從我們觀察來看，普通中小團隊想要把微調真正跑出 ROI，門檻依然不低。