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