微軟釋出 Phi-3 Mini：38 億引數，號稱比肩 GPT-3.5

Phi-3 Mini 是微軟剛開源的輕量級語言模型，引數量只有 38 億（3.8B），核心目標就是把接近 GPT-3.5 級別的能力直接塞進手機和筆記型電腦裡本地跑。

這意味著你不需要聯網，也不用把敏感資料傳送到雲端資料中心，就能在個人裝置上獲得像樣的文本處理、程式設計輔助和邏輯推理支援。

它是怎麼做到的

小模型要變聰明，關鍵在訓練資料。大模型通常是抓取整個網際網路的海量文本，裡面混雜了大量低質噪音，而 Phi-3 走的是完全相反的「教材路線」。

微軟研發團隊受到兒童通過睡前故事學習語言的啟發，先整理出了一個 3000 多詞的精選詞表，然後讓其他大模型按照這個詞表生成大量類似兒童讀物的合成數據。

用簡單語法和清晰邏輯去講複雜話題，就成了 Phi-3 的核心訓練語料。按微軟的話說，前面的 Phi-1 重點攻克程式碼，Phi-2 開始具備初步推理能力，而到了 Phi-3，程式碼和推理表現都有了明顯長進。

效能表現與侷限

在實際表現上，微軟 Azure AI 副總裁 Eric Boyd 表示，Phi-3 Mini 基本達到了 GPT-3.5 的水平，微軟研究副總裁 Sébastien Bubeck 也提到它的推理成本遠低於大模型，執行開銷幾乎只有十倍體量模型的十分之一。

不過，它的短板同樣很實在。因為沒有吞下整個網際網路的資料，Phi-3 Mini 在常識廣度上完全無法和 GPT-4 這種龐然大物相比，不適合拿來當全知全能的百科問答機器人。

此外，它更適合處理特定垂直任務。比如結合企業內部相對小規模的資料集做私有化定製，或者在端側做文本摘要和程式碼補全，既省算力又保隱私。

怎麼跑起來

Phi-3 Mini 目前已經開放下載和呼叫，開發者可以直接在 Hugging Face 下載權重，或者通過 Ollama 在本地命令列一鍵拉取執行。

如果你在做雲端整合，它也已經同步上線了微軟 Azure 平臺。微軟後續還會推出 70 億引數的 Phi-3 Small 和 140 億引數的 Phi-3 Medium。

為什麼重要

如果你想在本地裝置或者邊緣硬體上跑一個不依賴網路的助手，或者擔心公司敏感程式碼外洩，Phi-3 Mini 非常值得立刻拉下來試一試。3.8B 的體量對本地視訊記憶體和記憶體極度友好，普通筆記本甚至手機晶片都能較輕鬆地跑起來。

相比 Google 的 Gemma 2B、7B 以及 Meta 剛釋出的 Llama 3 8B，微軟用「合成教材」把小模型的程式碼與邏輯能力頂到了新高度。它證明了小模型沒必要死磕全網百科知識，只要資料夠乾淨，小身材也能在具體工作任務裡派上大用場。