Phi-3.5-vision-instruct

Phi-3.5-vision-instruct 属于 Microsoft 的 Phi-3.5 系列，是该系列中面向视觉输入的指令微调模型。它把图像理解与文本生成放在同一个模型里，输入支持 text 与 image，输出为 text。相比只处理文本的同门模型，它适合截图问答、图表或文档阅读、图片描述等需要“看图说话”的任务；相比闭源多模态 API，它以开源权重和 MIT 许可证提供更自由的部署与修改空间。官方价格未公开，公开跑分也较少，选型时更适合把它当作可本地验证的轻量多模态基座，而不是直接用榜单成绩做决策。对于需要离线运行、数据不出内网、或要在边缘设备上做图文推理的场景，它的许可和体量更友好；若追求成熟托管服务或更强的视觉推理能力，则需要考虑同系列或其他厂商的更大模型。

选型建议需要开源、可本地部署的轻量图文理解时选它；追求成熟托管服务、公开跑分背书或高精度复杂视觉推理时，不选它。

• 搭建本地图文问答原型，验证截图、海报或界面的理解效果
• 为内部知识库增加图片描述与简单图表解读能力
• 在离线或内网环境做图片内容审核的辅助初筛
• 对商品图、文档扫描件做结构化信息提取的可行性测试
• 作为教学或多模态应用开发的开源基座做微调实验

该模型沿用 Phi-3.5 系列的紧凑语言主干，并接入视觉编码与投影模块，属于图文联合的指令模型。

• 结构语言主干加视觉编码器与投影层，把图像特征映射到文本 token 空间，再以自回归方式生成回答。
• 能力支持文本与图像混合输入，可处理多图或多帧类视觉问题；具体支持上限公开资料较少，应以官方说明为准。
• 披露官方未公开完整架构细节与参数规模，可确认的信息集中在输入输出模态、开源权重与 MIT 许可证。

开源权重

是

模型家族

—

许可证

mit

参数规模

—

公开跑分暂缺，以下只依据模态、许可与同系列定位做定性判断，不做数字比较。

• 强项轻量图文理解与指令跟随，适合截图问答、简单图表阅读和图片描述；MIT 许可便于本地部署与二次开发。
• 短板缺少公开跑分与能力标注，复杂视觉推理、密集文字 OCR、长文档理解的上限不明确，不宜直接承担高精度生产任务。
• 适合资源受限、数据需留在内网、以原型验证或轻量辅助为主的图文场景；高难度任务建议与更大模型对照测试。

官方价格未公开，且暂无平台收录报价；以下从许可与同门产品价格结构做定性说明。

• 定位开源权重、MIT 许可证，成本主要落在自托管算力与工程维护，而非按 token 计费。
• 横向对比同门 Phi-4 系列多个模型已有公开 API 标价，本模型未公开价格，无法计算价差，跨厂商比较也缺少统一口径。
• 平台差价暂无平台收录，未见托管报价，因此不存在可比较的平台间价差；实际成本取决于自建推理环境。
• 省钱若已有 GPU 或边缘设备，可免去 API 调用费；小规模实验可先本地跑通，再决定是否迁移到付费托管。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径官方价格、第三方跑分与能力标注均缺失，涉及具体数值的结论都不应作为选型依据，只能参考模态与许可信息。
• 边界模型只输出文本，不生成图像；视觉能力上限与支持图像数量公开资料较少，复杂 OCR、细粒度定位等场景需自行验证。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。