KI-Wochenrückblick 2024 · KW 34
Historischer Bezug: bis · Bezugsdatum: .
Nachträglich recherchierter Archivbeitrag mit KI-Unterstützung. Eine persönliche Fassung von Marvin kann später ergänzt werden. Das Veröffentlichungsdatum dieser Seite nennt die tatsächliche Erstveröffentlichung.
Microsoft erweiterte ein kompaktes multimodales Modell um Mehrbildfunktionen.
Was in dieser Woche bekannt war
Damals öffentlich bekannt
Microsoft veröffentlichte im August Phi-3.5 Vision. Die offizielle Modellbeschreibung nennt Verbesserungen beim Vergleichen mehrerer Bilder und beim Zusammenfassen von Bildfolgen oder kurzen Videos. Als mögliche Einsatzfelder wurden außerdem Texterkennung sowie Diagramm- und Tabellenverständnis beschrieben. Der offizielle Microsoft-Modellkatalog nennt den 20. August als Veröffentlichungstag. Die Modellkarte fordert ausdrücklich eine Bewertung für den jeweiligen nachgelagerten Anwendungsfall.
Redaktionelle Einordnung
Redaktionelle Einordnung
Damit wurde eine für reale Arbeitsabläufe interessante Frage greifbarer: Wie lässt sich der Zusammenhang zwischen mehreren Ansichten berücksichtigen? Ein einzelnes Bild kann nur einen Ausschnitt zeigen. Für eine nachvollziehbare Antwort wäre entscheidend, ob ein Modell Unterschiede erkennt oder widersprüchliche Beobachtungen einfach zu einer stimmigen Geschichte verbindet.
Ein hypothetischer Versuch könnte mehrere öffentliche Diagramme oder synthetische Dokumentseiten zusammen betrachten. Gute Prüffragen wären, ob wichtige Abweichungen erhalten bleiben und ob das Modell klar benennt, aus welcher Ansicht eine Information stammt. Eine flüssige Zusammenfassung wäre dafür noch kein ausreichender Qualitätsnachweis.
Die geringe Modellgröße macht einen Ansatz für begrenzte Rechenumgebungen interessant, beantwortet aber nicht jede Leistungsfrage. Der Nutzen hängt von Bildqualität, Aufgabenformulierung und tolerierbaren Fehlern ab. Redaktionell steht die Woche deshalb für mehr Aufmerksamkeit auf konkrete multimodale Verarbeitungsschritte. Aus mehreren Bildern eine brauchbare Arbeitsgrundlage zu machen, ist eine andere Aufgabe als das beeindruckende Beschreiben eines einzelnen Beispielbilds.
Quellen & Faktenstand
Phi-3.5-vision-instruct – Microsoft model card
Microsoft erweiterte ein kompaktes multimodales Modell um Mehrbildfunktionen.
Quellenveröffentlichung: 2024-08-20 · geprüft: 2026-10-27 · damals verfügbar
Microsoft Foundry model catalog – Phi-3.5 Vision
Der offizielle Katalog nennt den 20. August 2024 als Release date; Datumsmetadatum wurde in der Websuche gelesen.
Quellenveröffentlichung: 2024-08-20 · geprüft: 2026-10-27 · damals verfügbar