👁️ 多模態mit

Phi 4 Multimodal

Phi 4 Multimodal 由 microsoft 開發的開源 多模態 模型。授權：mit。共 1 個尺寸版本。

📅 發布：2025-02↻資料更新：2026年5月12日

VRAM 計算器

我的 GPU VRAM：
量化等級
上下文長度
Q4_K_M · 8K context
模型權重 + KV Cache + 0.5 GB overhead
3.5 GB
完整 VRAM 對照表（所有量化 × 上下文）
量化4K8K16K
Q4_K_M★3.3 GB3.5 GB3.9 GB
Q8_06.1 GB6.3 GB6.7 GB

部署指南

方法二：llama.cpp

適合進階用戶，支援 CPU 和 GPU 混合推理，可精確控制量化等級。

# Download GGUF model from Hugging Face, then run:
./llama-cli -m model.gguf -p "Hello" -n 128

規格

參數量5.6B
最大上下文16K tokens
HF 下載量395K/月

模型強項

多模態理解多語言支援輕量高效音訊處理視覺問答

推薦用途

  • ▸適用於需要處理語音、圖像和文本等多種輸入的智慧助理應用。
  • ▸適合在資源有限的設備上進行多語言語音轉錄與翻譯任務。
  • ▸可用於開發具備視覺理解能力的互動式教育或娛樂應用。

標籤

microsoftmitmultimodalPhi 4 Multimodal

部署工具

ollamallama.cpp

關於 Phi 4 Multimodal — 開源 AI 模型

Phi 4 Multimodal 是一個開源多模態，擁有 5.6B 參數，採用 mit 授權。可使用 ollama、llama.cpp 進行部署。適用場景包括：適用於需要處理語音、圖像和文本等多種輸入的智慧助理應用。、適合在資源有限的設備上進行多語言語音轉錄與翻譯任務。、可用於開發具備視覺理解能力的互動式教育或娛樂應用。。核心優勢：多模態理解、多語言支援、輕量高效、音訊處理、視覺問答。 可在本地硬體上自行部署，完全保護隱私，無需 API 金鑰。

使用心得

分享你的使用體驗，幫助其他人了解這個模型

0/1000
還沒有評論，成為第一個分享心得的人！