没有复杂设置、没有多余步骤——只有一张图和一段文本。过去，这意味着开发者要手动拼接视觉与语言模块，参数、模式、推理逻辑全靠经验调试。现在，Phi-4 Reasoning Vision 15B 代表了另一种可能：让模型在推理阶段自动理解图文特征，并生成高质量、多步骤推理结果。
微软发布的 Phi-4 Reasoning Vision 15B 模型，基于 150 亿参数，支持图文联合推理，能够处理复杂文档分析、数学推理、图像理解以及 GUI 定位等任务。
该模型采用 SigLIP-2 视觉编码器与 Phi-4-Reasoning 语言骨干网络的中间融合架构，将图像转换为视觉 token 并注入语言模型，实现图文同步推理。动态分辨率设计支持多达 3,600 个视觉 token，既能分析高分辨率图表，也能精确识别界面元素。模型提供三种思考模式：think 展示推理过程、nothink 快速输出答案、hybrid 平衡速度与精度。
Phi-4 Reasoning Vision 15B 并不是又一套「复杂多模态管线」，而是一种能够在推理阶段统一处理文本与图像信息的智能工具——让多模态推理变得可控、轻量且专业。
使用云平台: OpenBayes
首先点击「公共教程」，找到「Phi-4-reasoning-vision-15B 多模态推理视觉模型 Demo」，单击打开。
页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。
在当前页面中看到的算力资源均可以在平台一键选择使用。平台会默认选配好原教程所使用的算力资源、镜像版本，不需要再进行手动选择。点击「继续执行」，等待分配资源。
若显示「Bad Gateway」，这表示模型正在加载中，请等待约 2-3 分钟后刷新页面即可。
使用步骤如下：
1.页面跳转后，点击左侧 README.ipynb 文件，进入后点击上方「运行」。
2.运行完成，即可点击右侧 API 地址跳转至 demo 页面。
3.输入想问的问题或图片，设定 System Prompt(系统提示词)，选择 Max New Tokens（最大生成长度） 和 Temperature（随机性）。
推荐配置：
- 简单问答：Max New Tokens 1024，Temperature 0.0，简短回答，确定性输出
- 详细推理：Max New Tokens 4096，Temperature 0.0，复杂问题，展示推理过程
- 创意生成：Max New Tokens 2048，Temperature 0.7，需要多样性的创意任务
- 图像描述：Max New Tokens 2048，Temperature 0.0，详细描述图像内容
- 图像推理：Max New Tokens 4096，Temperature 0.0，基于图像的复杂推理
4.输入完成后点击运行，稍等片刻右侧结果框生成回答。
