Phi-3.5-vision-instruct

Fiche modèle · Microsoft · phi-3.5-vision-instruct

Phi-3.5-vision-instruct is a 4.2B-parameter open multimodal model with up to 128K context tokens. It emphasizes multi-frame image understanding and reasoning, boosting performance on single-image benchmarks while enabling multi-image comparison, summarization, and even video analysis. The model underwent safety post-training for improved instruction-following, alignment, and robust handling of visual and text inputs, and is released under the MIT license.

Fiches modèles

Identité

Organisation	Microsoft
Pays	—
Famille	—
Type	llm
Date de sortie	2024-08-23
Licence	mit
Licence commerciale	oui
Licence open source	oui
Poids ouverts	oui
Auto-hébergement (DGX Spark)	oui — ≤ 107 Md (Q8/FP8)
Modalités	—
Fenêtre de contexte	131 072
KV cache / token (Q8)	196.6 ko/token
Paramètres totaux	4.2 B
Paramètres actifs (session)	4.15 B
Source des paramètres actifs	actifs = total (modèle dense, config HF (microsoft/Phi-3.5-vision-instruct)) ; total : config Hugging Face (microsoft/Phi-3.5-vision-instruct)
Curation des paramètres actifs	2026-11-04
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	500 000 000 000
Coupure de connaissance	—
Créé le	2026-05-07T16:53:31.459313Z
Mis à jour le	2026-11-04T06:04:53.703207Z
Source	LLM Stats
URL	https://llm-stats.com/models/phi-3.5-vision-instruct

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : partiel — auto-hébergement DGX Spark (≤ 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
image_to_text	0.70
math	0.40
multimodal	0.70
reasoning	0.70
safety	0.90
general	0.70
healthcare	0.40
vision	0.70

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
ai2d	vision	0.78	1.00	0.78	non	oui	2026-11-04T06:04:53.713365Z
chartqa	reasoning	0.82	1.00	0.82	non	oui	2026-11-04T06:04:53.723071Z
intergps	math	0.36	1.00	0.36	non	oui	2026-11-04T06:04:53.733103Z
mathvista	math	0.44	1.00	0.44	non	oui	2026-11-04T06:04:53.743481Z
mmbench	vision	0.82	1.00	0.82	non	oui	2026-11-04T06:04:53.752895Z
mmmu	multimodal	0.43	1.00	0.43	non	oui	2026-11-04T06:04:53.763268Z
pope	vision	0.86	1.00	0.86	non	oui	2026-11-04T06:04:53.773287Z
scienceqa	reasoning	0.91	1.00	0.91	non	oui	2026-11-04T06:04:53.783158Z
textvqa	vision	0.72	1.00	0.72	non	oui	2026-11-04T06:04:53.793977Z

Classements

Aucune donnée.

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04