Phi-4 推理模型有哪些不同的變體？

主要有三種變體：1) Phi-4-reasoning（140 億參數），2) Phi-4-reasoning-plus（使用強化學習的增強版本），以及 3) Phi-4-mini-reasoning（38 億參數，專為緊湊型部署和邊緣計算而設計）。

我在哪裡可以訪問和使用 Phi-4 推理模型？

這些模型在 Azure AI Foundry 和 HuggingFace 平台上均有提供。它們可以通過這些平台訪問並集成到應用程序中。

Microsoft 如何確保 Phi-4 推理模型的安全性？

Microsoft 使用監督式微調 (SFT)、直接偏好優化 (DPO) 和來自人類反饋的強化學習 (RLHF) 相結合的方式，在訓練後實施穩健的安全性。這些模型的開發遵循 Microsoft 的 AI 原則，包括問責性、透明度、公平性、可靠性、安全性、隱私性、安全性和包容性。

Phi-4 推理模型的主要應用有哪些？

這些模型擅長數學推理、科學問題解決、編碼任務、算法問題解決和規劃。它們在教育應用、嵌入式輔導以及邊緣或移動系統上的輕量級部署中特別有用。

Phi-4 Reasoning

WebsiteContact for PricingLarge Language Models (LLMs)AI Code Assistant

Phi-4-reasoning 是微軟的一個 140 億參數的開放權重推理模型，擅長執行複雜的數學和科學推理任務，同時與更大的語言模型相比，保持相對較小的尺寸。

訪問網站

宣傳此工具

https://azure.microsoft.com/en-us/blog/one-year-of-phi-small-language-models-making-big-leaps-in-ai?ref=aipure&utm_source=aipure

概覽
分析
替代方案

產品資訊

更新時間：2025年05月16日

Phi-4 Reasoning 每月流量趨勢

Phi-4 Reasoning 的流量下降了 7.4%，這可能是由於缺乏重要產品更新，以及 Microsoft Copilot in Azure 的推出，後者提供了進階的人工智能成本分析功能，可能吸引了部分用戶轉移。

查看歷史流量

什麼是 Phi-4 Reasoning

Phi-4-reasoning 是微軟在小型語言模型 (SLM) 方面的最新進展，旨在執行通常與更大的人工智慧模型相關的複雜推理任務。作為 Phi 模型系列的一部分發布，它代表了在平衡模型大小與性能方面的一個重大突破。該模型通過對來自 OpenAI o3-mini 的精心策劃的推理演示進行 Phi-4 的監督微調來進行訓練，使其能夠生成詳細的推理鏈，同時有效地利用計算資源。它通過 Azure AI Foundry 和 Hugging Face 公開提供，使其可供各種應用和開發需求使用。

Phi-4 Reasoning 的主要功能

Phi-4 Reasoning是由微軟開發的140億參數開放權重推理模型，儘管其規模相對較小，但在複雜的數學和科學推理任務中表現出色。該模型利用推理時縮放、監督微調和高品質的合成數據集，實現了與甚至超過擁有數千億參數的更大模型的性能。它專為資源受限環境中的高效部署而設計，同時保持強大的推理能力。

先進的推理能力: 擅長複雜的數學和科學推理任務，包括博士級問題和數學競賽問題，使用多步驟分解和內部反思

高效架構: 140億參數模型，在顯著小於競爭模型的情況下實現卓越性能，使其適合在資源有限的環境中部署

高品質訓練: 使用精心策劃的推理演示、高品質的合成數據集和先進的後訓練創新（包括監督微調）進行訓練

靈活的部署選項: 可在Azure AI Foundry和HuggingFace上使用，並支援各種部署場景，包括邊緣設備和本地計算

Phi-4 Reasoning 的使用案例

教育應用: 為輔導和教育支援系統提供逐步的問題解決和數學推理

科學研究: 協助研究人員在研究環境中進行複雜的數學計算和科學推理任務

邊緣計算應用: 在物聯網設備和手機等資源受限設備上支援AI應用，在這些設備上高效處理至關重要

Windows Copilot+ 整合: 在具有NPU優化的Windows PC中實現先進的推理能力，以實現高效的本地處理

優點

儘管與較大型模型相比尺寸較小，但性能卓越

高效的資源利用率，使其適合邊緣設備

強大的數學和科學推理能力

缺點

並非設計用於像較大型語言模型那樣的深入知識檢索

與較大型模型相比，受較小訓練數據集的限制

可能需要針對敏感上下文進行額外的緩解措施

如何使用 Phi-4 Reasoning

訪問 Azure AI Foundry: 訪問 Azure AI Foundry 平台 (https://ai.azure.com/) 並使用您的 Azure 帳戶登錄

查找 Phi-4 Reasoning 模型: 導航到模型目錄並在 Azure AI Foundry 模型集合中搜索 'Phi-4-reasoning'

選擇模型變體: 在 Phi-4-reasoning（140 億個參數）或 Phi-4-reasoning-plus 之間進行選擇，以獲得更高的準確性，代幣數量增加 1.5 倍

部署模型: 按照 Azure AI Foundry 的部署流程在您的工作區中設置模型。您也可以通過 HuggingFace 訪問它

配置參數: 根據您的特定用例設置模型參數 - 特別是對於數學推理、科學問題或複雜的解決問題任務

整合安全措施: 實施推薦的安全服務，例如 Azure AI Content Safety，以獲得額外的防護措施和負責任的人工智慧實踐

測試模型: 從示例問題開始測試模型的推理能力，特別是在數學問題、科學推理或逐步解決問題等領域

監控性能: 使用 Azure AI Foundry 的監控工具來追蹤模型的性能、準確性和資源使用情況

優化和擴展: 根據性能指標，調整參數並根據您的特定應用需求擴展部署

Phi-4 Reasoning 常見問題

Phi-4-reasoning 是一個 140 億參數的開放權重推理模型，可以在複雜的推理任務上與更大的模型競爭。儘管它體積小，但在大多數基準測試中，它的表現優於 OpenAI o1-mini 和 DeepSeek-R1-Distill-Llama-70B 等更大的模型，包括數學推理和博士級科學問題。