Lm Studio

Le conclusioni dell’articolo su Phi-4 mi avevano lasciato di sasso. Come era possibile che un modello come Phi-4 Reasoning Plus, che dispone della bellezza di 14.7 miliardi di parametri a 4 bit e che è stato addestrato su problemi di tipo scientifico ed in particolare di matematica, potesse aver fallito così miseramente?

Dopo due lunghi mesi sono potuto tornare a giocare con LM Studio e questo articolo avrebbe dovuto descrivere, quasi in diretta, le risposte di alcuni modelli che avevo appena installato. Poi però le cose mi sono sfuggite di mano, perché il primo modello messo sotto la lente di ingrandimento, Phi-4 a 4 bit di Microsoft, ha mostrato dei comportamenti strani, che valeva la pena descrivere in dettaglio. Da quel momento l’articolo che state per leggere si è scritto praticamente da solo!

– Fonte: Markus Winkler su Unsplash. Nell’articolo precedente ho presentato l’interfaccia di LM Studio, provando poi il modello proposto di default (DeepSeek 7B) con uno dei prompt di esempio.

Chi mi conosce sa che uso gli LLM (Large Language Models, ovvero modelli linguistici di grandi dimensioni) per quello in cui servono davvero, ma sono scettico, anzi molto scettico, sul fatto che siano davvero intelligenti o che possano risolvere qualunque problema, come ci ripetono tutti i giorni quelli di OpenAI, di Microsoft, di Google o di Meta. I quali, guarda caso, sugli LLM hanno investito (o buttato, vedete voi) una quantità indegna di dollari e hanno tutto l’interesse a spingere chiunque ad usarli in modo parossistico.