AI 手機成為今後手機潮流的趨勢，而要在手機上原生運行人工智能，需要適合手機環境的小型語言模型。繼 Microsoft 昨日發表可在手機上運行的小型語言模型 (SLM) Phi-3 之後，Apple 也公開了可在 iPhone 上運行的高效語言模型 (ELM) OpenELM。兩款模型都已經可以在 Hugging Face 等平台下載。
OpenELM
Apple 公開的模型稱為 OpenELM，當中的 ELM 即高效語言模型 (Efficient Language Model)。Apple 同時公開了預訓練模型和指令調整模型，以所含參數多少分為 2.7 億 (270M)、4.5 億 (450M)、11 億 (1.1B) 和 30 億 (3B) 4 級規模。預訓練模型使用 GitHub 的 RedPajama 數據集、大量書籍、Wikipedia 等公開資料來訓練，共約 18,000 億 Token。
OpenELM 採用分層縮放策略，在轉換器模型的每一層中有效地分配參數，從而提高準確性。除了公開模型之外，Apple 還同時發布在公開數據集上訓練和評估語言模型的完整框架，與及將模型轉換為 MLX 庫（應用在 Apple 自家研發晶片上的陣列框架）的代碼，以便開發者在 Apple 裝置上進行推理和微調。
Apple 表示今次全面公開 OpenELM 旨在增強和鞏固開放研究社群，為未來的開放研究工作鋪平道路。
Phi-3
Microsoft 公開的 Phi-3 小型語言模型 (SLM) 分為 mini、small 和 medium 三種大小，參數量分別為 38 億、70 億和 140 億。當中 Phi-3-mini 又分為支援上下文長度為 4K 和 128K Token 的兩個版本，已可以在 Microsoft Azure AI Studio、Hugging Face 和 Ollama 平台下載使用，亦可在商業業務上使用。
Microsoft 表示雖然 Phi-3 參數較少，但由於使用高質素數據來訓練，在主要評測中，效能較相同規模甚至較大規模的大型語言模型 (LLM) 還要優勝。以 Phi-3-small 為例，它較據知有 175 億參數的 GPT-3.5 Turbo 跑分成績更好。
而最小型的 Phi-3-mini 模型性能不單能與規模大 10 倍的大型語言模型媲美，由於體積較小，運行成本也低得多。據 Microsoft 公開的論文表示，經 4-bit 量化的 Phi-3-mini 在配備 Apple A16 Bionic 晶片的 iPhone 上原生運行，每秒可生成超過 12 個 Token 的內容。
NVIDIA 方面亦表示，Phi-3-mini 模型可以在配備 RTX GPU 的工作站，或配備 GeForce RTX GPU 的電腦上本地端運行。Microsoft 表示 Phi-3 已經在難以取用互聯網的農業領域上展現價值，而且可降低運行成本，使人工智能科技更加普及。
