Mis on Phi-4-reasoning?
Phi-4-reasoning on Microsoft Researchi avatud kaaludega keelemudel ja kuulub Microsofti Phi-4 mudelite perekonda. See avaldati 30. aprillil 2025 ning põhineb mudelil Phi-4, kuid seda on täiendavalt treenitud mahukat arutlemist nõudvate ülesannete jaoks. Mudel on mõeldud lahendama probleeme sellistes valdkondades nagu matemaatika, teadus, programmeerimine, loogika, juhiste järgimine ja planeerimine.
Ligikaudu 14 miljardi parameetriga on see väiksem kui paljud tipptasemel keelemudelid. Seetõttu on see asjakohane arendajatele ja teadlastele, kes vajavad võimekat arutlusmudelit, mida saab juurutada oma taristus või eraldi hinnastatud hallatud teenuses. See ei ole üldotstarbeline multimodaalne assistent: dokumenteeritud liides võtab vastu teksti ja tagastab teksti.
Mudeli vastused on kavandatud sisaldama arutluse plokki, millele järgneb lahenduse või kokkuvõtte plokk. See võib olla kasulik probleemi lahenduskäigu uurimisel, kuid nähtavat arutluskäiku ei tohiks pidada garantiiks, et kõik vahepealsed sammud on õiged.
Milline on selle koht Microsofti mudelite kataloogis?
Phi-4-reasoning on Phi-4 mudelite perekonna spetsialiseeritud liige, mitte tarbijatele mõeldud vestlusrobot ega Microsoft Copiloti püsifunktsioon. Microsoft levitab mudelit Hugging Face'i repositooriumi kaudu MIT-litsentsi alusel ning loetleb selle Microsoft Foundrys eelvaatemudelina.
Selline paigutus pakub kasutajatele kahte peamist juurutusviisi. Meeskonnad saavad avatud kaalud alla laadida ning käitada mudelit kohapeal või oma serverites, võttes arvesse mudeli litsentsi ja oma riistvara võimalusi. Teise võimalusena saavad nad kasutada Microsoft Foundry kaudu saadaolevat hallatud juurutust. Hallatud kataloogikirje kirjeldab seda eelvaates oleva vestluse lõpetamise mudelina, seega võivad saadavus ja teenusetingimused muutuda.
Microsoft Copilot on eraldiseisev tooteperekond, mis võib sõltuvalt paketist, piirkonnast ja töökoormusest pakkuda erinevaid mudeleid ja võimalusi. Seetõttu ei tohiks eeldada, et Phi-4-reasoning on iga Copiloti vastuse aluseks.
Tehnilised andmed
| Spetsifikatsioon | Kontrollitud detail |
|---|---|
| Pakkuja | Microsoft |
| Mudelite perekond | Phi-4 |
| Väljalaskekuupäev | 30. aprill 2025 |
| Parameetrid | Ligikaudu 14 miljardit |
| Arhitektuur | Tihe ainult dekoodriga Transformer |
| Sisend | Tekst |
| Väljund | Tekst, sealhulgas arutluse ja lahenduse jaotised |
| Kontekstiaken | 32 768 tokenit |
| Maksimaalne väljund | 32 768 tokenit |
| Litsents | MIT |
| Kataloogi olek | Avatud kaaludega; loetletud Microsoft Foundrys eelvaatemudelina |
| Peamine keelefookus | Inglise keel |
Token on mudeli kasutatav tekstiühik; see võib tähistada sõna, sõnaosa, kirjavahemärki või muud lühikest tekstifragmenti. 32 768 tokeni suurune kontekstilimiit hõlmab mudelile edastatud materjali ja genereeritud vastust vastavalt asjaomase teenuse või käituskeskkonna arvestusele. Mudeli kaardil soovitatakse keerukate probleemide korral lubada kuni 32 768 uut tokenit, et pikemal arutlusel oleks piisavalt ruumi areneda.
Arutlusvõime ja jõudlus võrdlustestides
Phi-4-reasoningut treeniti juhendatud peenhäälestuse ja arutlusele suunatud andmetel põhineva tugevdusõppe abil. Praktikas tähendab see, et mudel on mõeldud kulutama struktureeritud lahenduse koostamiseks rohkem arvutusressurssi kui mudel, mis on peamiselt optimeeritud lühikeste vestlusvastuste jaoks.
Microsoft esitab tulemused matemaatika, üldise arutlemise, teaduse, programmeerimise, juhiste järgimise ja planeerimise hindamistes. Mudeli kaardil kirjeldatud tulemuste hulka kuuluvad 75,3 AIME 2024 testis, 62,9 AIME 2025 testis, 76,6 OmniMathis, 65,8 GPQA-Diamondis ja 53,8 LiveCodeBenchi testis. Need on pakkuja esitatud võrdlustestide tulemused, mitte konkreetse rakenduse toimimise garantiid. Hinded võivad sõltuda viipamisest, valimi võtmise seadetest, hindamisversioonidest ja lubatud arutluse mahust.
Mudel sobib kõige loomulikumalt sellisteks ülesanneteks nagu mitmeastmelise algebraülesande lahendamine, algoritmi selgitamine, koodiloogika kontrollimine, teadusinfo põhjal tulemuse tuletamine või ebamääraselt sõnastatud nõude muutmine struktureeritud plaaniks. Samuti võib see teha aritmeetika-, fakti-, loogika- või programmeerimisvigu, mistõttu tuleks genereeritud vastuseid täpsuse seisukohalt olulistes olukordades testida või sõltumatult kontrollida.
Programmeerimine, tööriistad ja struktureeritud väljund
Programmeerimine on üks Phi-4-reasoningi kavandatud tugevusi. See suudab genereerida koodi, arutleda algoritmide üle, selgitada rakendusotsuseid ja aidata programmeerimisprobleeme analüüsida. Kõige kasulikum on see siis, kui ülesanne nõuab planeerimist või hoolikat mitmeastmelist arutlemist, mitte lihtsalt lühikese näidiskoodilõigu koostamist.
Esitatud kataloogiteave ei dokumenteeri selle mudeli natiivset tööriista- ega funktsioonikutsete tuge. Seda ei tohiks käsitleda autonoomse agendina, mis suudab iseseisvalt veebis sirvida, koodi käivitada, failidele juurde pääseda või välisteenuseid kutsuda. Samuti ei paku mudel dokumenteeritud natiivset JSON- ega struktureeritud väljundi režiimi. Rangelt masinloetavat väljundit vajavad rakendused peavad võib-olla vormingu väliselt jõustama ja tulemust valideerima.
Esitatud mudeliandmete kohaselt on voogedastus toetatud, kuid voogedastus muudab ainult genereeritud teksti edastamise viisi. See ei lisa veebisirvimist, koodi käivitamist, tööriistade kasutamist ega multimodaalset sisendit.
Modaalsused ja olulised piirangud
Phi-4-reasoning töötab ainult tekstiga. See võtab vastu tekstisisendi ja toodab tekstiväljundi; see ei võta natiivselt vastu pilte, heli ega videot ega genereeri pilte, heli, muusikat või videot. Multimodaalne rakendus vajaks eraldi mudelit või orkestreerimiskihti, mis muudab mittetekstilise materjali enne Phi-4-reasoningule saatmist tekstiks.
Mudel on peamiselt treenitud ja hinnatud ingliskeelseks arutlemiseks. See ei pruugi olla parim valik mitmekeelsete rakenduste jaoks, eriti juhul, kui paljude keelte puhul on ühtlane kvaliteet keskne nõue. Pikad arutluskäigud võivad samuti suurendada vastuse aega ja tokenite kulu. Lihtsa klassifitseerimise, eraldamise, kokkuvõtete või tavapärase vestluse puhul võib lühivastustele optimeeritud mudel olla tõhusam.
Nagu teisedki keelemudelid, võib Phi-4-reasoning genereerida ohtlikku või ebatäpset sisu. Esitatud mudeliteave hoiatab konkreetselt selle kasutamise eest ilma täiendava hindamiseta suure mõjuga valdkondades, nagu tervishoid, õigus, tööhõive, rahandus ja avalikud teenused.
Juurutusvõimalused ja soovituslikud seaded
Mudel on saadaval Microsofti Hugging Face'i repositooriumis ning seda saab käitada Transformersiga. Esitatud dokumentatsioon nimetab ühilduvate teenindusvõimalustena ka vLLM-i, SGLangi, Ollamat ja llama.cpp-ga ühilduvaid juurutusi. Täpsed riistvaranõuded sõltuvad täpsusest, kvantimisest, pakisuurusest, konteksti pikkusest ja teeninduskonfiguratsioonist; esitatud uurimismaterjalid ei määra üht kindlat minimaalset riistvarakonfiguratsiooni.
Microsofti mudelijuhistes soovitatakse temperatuuri 0,8, top-k väärtust 50, top-p väärtust 0,95 ning valimi võtmise lubamist. Keerukate probleemide puhul annab suure maksimaalse väljundi lubamine mudelile pikemaks arutluseks rohkem ruumi, kuid võib suurendada ka latentsust ja ressursikulu. Tootmiskasutuses peaksid meeskonnad tavapäraste ülesannete jaoks katsetama lühemaid väljundipiiranguid ning jätma täieliku mahu probleemidele, mis tõepoolest nõuavad pikka arutlust.
Hinnastamine ja kulude kompromissid
Esitatud Microsofti hinnateabe kohaselt ei ole Phi-4-reasoningi kohta avaldatud ametlikku numbrilist tokenipõhist hinda. Kuna tegemist on avatud kaaludega mudeliga, määravad isehostimise kulud riistvara, elekter, salvestusruum, arendustöö, kvantimine, samaaegsus ja valitud järeldusmootor. Hallatud Microsoft Foundry juurutus, kui see on saadaval, on eraldi hinnastatud ning ei ole tingimata tasuta üksnes seetõttu, et kaalud on avalikult levitatud.
Avatud kaaludega litsents võib muuta Phi-4-reasoningi atraktiivseks organisatsioonidele, kes soovivad juurutuse üle suuremat kontrolli või prognoositavat taristuomandit. Isehostimine annab kasutajale aga ka operatiivse vastutuse. Majutatud mudel võib väikese koormusega katsetamisel olla lihtsam, samas kui kohapealne juurutus võib püsiva suurema koormuse korral muutuda soodsamaks või privaatsemaks, kui organisatsioonil on juba sobiv riistvara.
Toimetuslikult pakub mudel arutlusülesannete jaoks head võimekuse ja suuruse ning võimekuse ja kulu suhet, kuid see on hinnang, mitte Microsofti avaldatud hinna- või jõudlusgarantii. Pikad vastused võivad näilist kulueelist vähendada, kui sama ülesande saaks lahendada lihtsam mudel väiksema tokenite arvuga.
Millal valida Phi-4-reasoning?
Vali Phi-4-reasoning siis, kui keskne ülesanne on tekstipõhine arutlemine ning hindad avatud kaalusid, kohapealset juurutust või suhteliselt kompaktset mudelit. Sobivad kasutusjuhud on järgmised:
- Matemaatikaülesannete lahendamine ja üksikasjalikud lahenduskäigud.
- Algoritmide kavandamine, koodi genereerimine, silumine ja koodi ülevaatamine.
- Teaduslikele või tehnilistele küsimustele vastamine esitatud teksti põhjal.
- Loogikamõistatused, struktureeritud analüüs ja mitmeastmeline planeerimine.
- Uurimistöö ja katsetamine arutlusele keskendunud mudeliga, mida saab käitada väljaspool üht hallatud API-t.
- Rakendused, kus on kasulik 32K tokeni suurune kontekst ja potentsiaalselt pikk arutlusvastus.
Teine valik võib olla sobivam siis, kui vajad pildi-, heli- või videotöötlust; veebipõhise teabega põhjendatud vastuseid; sisseehitatud tööriistade kasutamist; rangelt struktureeritud vastuseid; laia mitmekeelsuse tuge või järjepidevalt lühikesi ja väikese latentsusega vastuseid. Suurem hallatud mudel võib samuti olla eelistatav keerukate ülesannete puhul, mis nõuavad Phi-4-reasoningi jaoks dokumenteerimata võimeid, samas kui väiksem tavapärane keelemudel võib lihtsate tekstimuudatuste korral olla tõhusam.
Üldhinnang
Phi-4-reasoning on sihipärane avatud kaaludega mudel kasutajatele, kes soovivad Microsofti Phi-4 arutlusvõimega lähenemist tekstipõhises juurutuses. Selle 14 miljardi parameetriga suurus, MIT-litsents, 32K kontekst, keskendumine programmeerimisele ja matemaatikale ning kohaliku teenindamise tugi muudavad selle eriti asjakohaseks tehnilisteks katseteks ja piiratud ressurssidega arutlusrakendusteks.
Sama olulised on ka kompromissid: puudub natiivne multimodaalne tugi, dokumenteeritud tööriista- või funktsioonikutsete tugi ja struktureeritud väljundi režiim, treening ja hindamine keskenduvad inglise keelele, arutluskäigud võivad olla pikad ja kulukad ning ametlikku tokenipõhist hinda ei ole avaldatud. Seda on kõige mõistlikum hinnata spetsialiseeritud arutluskomponendina, mitte täieliku assistendiplatvormina.