本文へスキップ

Phi-3.5-vision

文章と視覚を扱う軽量なマルチモーダルモデル

公式サイトを見る
カテゴリ AIモデル

Phi-3.5-vision とは

本モデルは文章と視覚のデータにわたる質の高い推論に向けた Microsoft の軽量マルチモーダルモデルと説明されている。

できること

  • 複数の画像コマにわたり推論する
  • 図表、表、画像内の文字を読む
  • 画像の要約に向けた提示を組む

活用場面

  • 事務のチームが長い文書を要約する
  • 教える人がスライドの要点を拾う
  • 制作者が画像の群れを見比べる

長所と短所

✓ 良い点

  • 記憶・計算が限られ遅れに敏感な場に合う
  • 複数言語への対応が記載される

! 注意したい点

  • 複数言語の対応は英語の環境を主眼とする
  • 推論には検査点と画像の準備が要る

よくある質問

開発元は?

資料は Microsoft を開発元に挙げる。

元になるデータは?

資料は合成データと選別した公開サイトを挙げる。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法