(, 下载次数: 0)
Phi-4-mini-flash-reasoning 的推出，标志着推理效率的显著提升，相较于前一版本，推理效率暴涨了10倍，同时平均延迟降低了2到3倍。这种大幅度的性能提升，使其在高级数学推理方面表现得尤为突出，非常适合教育和科研领域的应用。
这一版本的核心在于微软自研的 SambaY 架构。SambaY 是一种创新的解码器混合架构，由微软与斯坦福大学共同研发。通过引入门控存储单元，SambaY 能够实现跨层的高效记忆共享，从而在提升解码效率的同时，保持线性预填充时间复杂度，增强长上下文性能，并且无需显式位置编码。
在长文本生成任务中，SambaY 展现了显著的效率提升。在处理2K 长度的提示和32K 长度的生成任务时，解码吞吐量相较于传统的 Phi-4-mini-Reasoning 模型提高了10倍。此外，在数学推理能力的测试中，SambaY 的表现也有显著提高，特别是在复杂的数学问题上，能够生成清晰且逻辑连贯的解题步骤。