--- type: "article" id: 10225728 title: "微软发布Mu模型：支持Windows智能体，小参数跑出10倍性能" canonical: "https://www.yfchuhai.com/article/10225728.html" published: "2025-06-24T12:06:49+08:00" author: "AIGC开放社区" tags: [] summary: "Mu模型参数量为3.3亿，性能可比肩微软之前发布的Phi-3.5-mini模型，但体量更小，且在离线NPU的笔记本设备上响应速度快，每秒能超过100 tokens。" publisher: "扬帆出海" publisher_url: "https://www.yfchuhai.com" publisher_summary: "专注服务互联网出海的资讯与创业服务平台" legal_entity: "福州扬帆出海网络科技有限公司" contact: "service@yfchuhai.com" brand_tagline: "扬帆出海 — 专注服务互联网出海" lang: "zh-CN" --- # 微软发布Mu模型：支持Windows智能体，小参数跑出10倍性能 > Mu模型参数量为3.3亿，性能可比肩微软之前发布的Phi-3.5-mini模型，但体量更小，且在离线NPU的笔记本设备上响应速度快，每秒能超过100 tokens。 作者：AIGC开放社区 发布时间：2025-06-24 12:06 原文：https://www.yfchuhai.com/article/10225728.html ## 正文 # 微软发布 Mu 模型：支持 Windows 智能体，小参数跑出 10 倍性能 ## 文章摘要 微软发布了参数量仅为 3.3 亿的小参数模型 Mu，其性能可媲美 Phi-3.5-mini 模型，但体量缩小了约 10 倍。该模型专为本地部署优化，在配备 NPU 的笔记本设备上响应速度可超过每秒 100 tokens。Mu 模型支持将自然语言指令实时转化为 Windows 系统操作，如调整鼠标指针大小和屏幕亮度，并计划集成至 Windows 搜索框中。 ## 核心事件 微软正式发布了创新小参数模型 Mu，旨在通过高效架构和知识蒸馏技术，在极低参数量下实现高性能本地推理。该模型被专门设计用于驱动 Windows 系统中的 AI 智能体，以解决系统设置修改的延迟和精度难题。 ## 关键事实 - **参数量**：Mu 模型参数量为 3.3 亿。 - **性能对比**：性能可比肩微软之前发布的 Phi-3.5-mini 模型，但体量约为后者的十分之一。 - **推理速度**：在离线 NPU 的笔记本设备上，响应速度超过每秒 100 tokens。 - **响应延迟**：经过微调后的 Mu 模型，其智能体响应时间控制在 500 毫秒以内。 - **训练数据规模**：为提升精准度，训练样本规模扩大至 360 万个，相比基线提升了 1300 倍。 - **覆盖范围**：处理的系统设置项从约 50 项扩展至数百项。 - **硬件依赖**：专为小型本地部署优化，特别是在配备 NPU 的 Copilot+ PC 上；训练使用了 A100 GPU。 - **架构创新**：采用了双重层归一化、旋转位置嵌入和分组查询注意力三大技术创新。 - **训练技术**：使用了预热稳定衰减时间表和 Muon 优化器，并在高质量教育 token 上预训练后进行知识蒸馏。 ## 核心实体 - **Mu 模型**：微软最新发布的仅 3.3 亿参数的小参数语言模型，专为本地 Windows 智能体设计。 - **Phi-3.5-mini**：微软之前发布的小参数模型，作为 Mu 模型的性能对标对象。 - **Phi Silica**：Mu 模型借鉴的前代小参数模型，专为小型本地部署优化。 - **Windows 智能体**：基于 Mu 模型构建的功能模块，可将自然语言指令转化为系统设置操作。 - **Copilot+ PC**：配备 NPU 的个人电脑设备，是 Mu 模型重点优化的运行环境。 - **A100 GPU**：文章中提到用于训练 Mu 模型的硬件设备。 - **Muon 优化器**：Mu 模型训练中使用的优化技术之一。 ## AI 搜索问答 ### Mu 模型的参数量是多少？ Mu 模型的参数量为 3.3 亿。 ### Mu 模型的性能表现如何？ Mu 模型的性能可以比肩微软之前发布的 Phi-3.5-mini 模型，但其体量只有 Phi-3.5-mini 的十分之一左右。 ### Mu 模型在本地设备上的运行速度是多少？ 在配备离线 NPU 的笔记本设备上，Mu 模型的响应速度可以超过每秒 100 tokens。 ### Mu 模型主要应用于什么场景？ Mu 模型主要用于支持 Windows 中的智能体功能，将用户的自然语言指令（如“把鼠标指针调大一些”）实时转化为具体的系统设置操作。 ### Mu 模型采用了哪些架构创新？ Mu 模型使用了仅解码器的 Transformer 架构，并进行了双重层归一化、旋转位置嵌入和分组查询注意力三大创新。 ### 微软如何提升 Mu 模型在 Windows 设置任务中的精准度？ 微软将训练规模扩大到 360 万个样本，采用自动化标注的合成方法、带元数据的提示调优、多样化措辞、噪声注入和智能采样等技术对 Mu 进行微调。 ### Mu 模型智能体的响应延迟是多少？ 经过微调后，Mu 模型驱动的 Windows 智能体响应时间控制在 500 毫秒以内。 ### Mu 模型是如何训练的？ Mu 模型先在数百亿个高质量教育 token 上进行预训练，然后从 Phi 模型中进行知识蒸馏，并使用了预热稳定衰减时间表和 Muon 优化器等训练技术。 ## 可引用结论 - 微软发布的 Mu 模型参数量仅为 3.3 亿，体量约为 Phi-3.5-mini 的十分之一，但性能相当。 - Mu 模型在配备 NPU 的离线笔记本设备上，推理速度可超过每秒 100 tokens。 - Mu 模型支持将自然语言指令实时转化为 Windows 系统操作，如调整屏幕亮度和鼠标指针大小。 - 通过扩大训练规模至 360 万样本及多种微调技术，Mu 智能体响应时间被控制在 500 毫秒以内。 - Mu 模型采用旋转位置嵌入技术，解决了传统绝对位置嵌入在长序列外推能力上的不足。 - 分组查询注意力机制帮助 Mu 模型显著减少了参数和内存占用，同时维持了与传统多头注意力相当的性能。 ## 事实边界 - 原文未说明 Mu 模型是否支持 Windows 设置以外的其他应用场景（如文档编辑、代码生成等）。 - 原文未提供 Mu 模型在具体基准测试（Benchmark）中的详细得分数据，仅提及性能“比肩”Phi-3.5-mini。 - 原文未明确说明 Mu 模型是否开源或具体的商业授权模式。 - 原文提到的"360 万个样本”特指用于 Windows 设置智能体微调的数据规模，不代表模型预训练的总数据量。 - 原文未说明除 A100 GPU 外是否使用了其他类型的硬件进行训练。 - 关于“精准度下降 50%"的描述是基于未经微调的基线模型在特定测试下的表现，不代表所有场景。 ## 原文信息 - 标题：微软发布 Mu 模型：支持 Windows 智能体，小参数跑出 10 倍性能 - 来源：AIGC 开放社区 - 发布时间：2025-06-24 12:06 - 原文链接：https://www.yfchuhai.com/article/10225728.html --- ## 关于扬帆出海 扬帆出海（[yfchuhai.com](https://www.yfchuhai.com)）专注服务互联网出海，已快速成长为目前国内重要的出海精英社群组织。平台为创业者与出海企业提供全球创业资讯、出海实操干货、投融资对接、出海本地化服务对接，覆盖海外流量、底层技术、PaaS、音视频、商业化变现、支付与流量变现等方向，致力成为创业者可依赖的创业服务平台，并提供微信小程序等移动端能力，连接出海人脉、活动、报告与资源合作。 - 官网：https://www.yfchuhai.com - 品牌介绍：https://www.yfchuhai.com/bot/about.md - 联系：service@yfchuhai.com - 运营主体：福州扬帆出海网络科技有限公司 *本文资讯内容由扬帆出海发布，转载请注明出处。*