Mindket

Phi-4

新上架第 1 版 · 更新于

概览

Microsoft Research 推出的 14B 开放语言模型,针对计算资源有限时的英语推理和对话做了调整。适合给应用添加文本功能,或研究中等规模模型的开发者。

Phi-4 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 带 pip 的 Python
  • transformers 库
  • 约 29.3 GB BF16 权重所需的内存,或按估算 4 位约 7.3 GB
用在
  • Python 加 transformers 库
  • 你自己的服务器或工作站,内存要够放下权重
  • Windows、macOS 或 Linux 加 Python,用来下载文件
先运行
pip install -U huggingface_hub
hf download microsoft/phi-4

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

Phi-4 是 Microsoft Research 推出的开放语言模型,有 14 billion 参数,是稠密的纯解码器 Transformer。它的训练混合了合成数据、过滤后的公开网页、学术书籍和问答集,重点放在推理上。之后又经过监督微调和直接偏好优化,使它能紧密地遵循指令。

适合谁

适合给内存、算力或响应时间都紧张的产品添加文本功能的开发者。研究语言模型的人也可以把它当作构件来用。

谁会用它
IndustryWho uses itHow they use itExample
软件应用开发者在有限的硬件上给产品加入对话或推理把它放在用英语回答的客服助手后面运行
研究语言模型研究者研究一个中等规模的开放模型把它的表现与其他开放模型对比
教育学习工具开发者为数学和逻辑问题提供分步帮助为一道推理题返回详细的解答过程

如果你需要很强的非英语输出,可以跳过它。模型卡说它面向英语,训练数据里只有约 8% 是多语言的。

用在哪里

Hugging Face 的记录列出了 transformers 库,所以 Python 是主要的使用场所。模型卡说它最适合用对话格式的提示词。

  • Python 加 transformers 库
  • 你自己的服务器或工作站,内存要够放下权重
  • Windows、macOS 或 Linux 加 Python,用来下载文件
它能做的事
Use caseWhoWhat they get back
内存受限的部署开发者比更大的模型更适合小型环境的能干的文本模型
低延迟功能产品团队对话格式下的快速文字回复
推理和逻辑研究者对推理任务的文字回答

如何设置

你需要带 pip 的 Python 和 transformers 库,以及放下约 29.3 GB BF16 权重的内存。模型卡能看到的部分没有给出加载代码,所以请按模型卡操作。

  • 带 pip 的 Python
  • transformers 库
  • 约 29.3 GB BF16 权重所需的内存,或按估算 4 位约 7.3 GB
  1. 安装 Hugging Face 的下载工具。
  2. 把模型文件下载到你的电脑。
  3. 按模型卡的说明,通过 transformers 加载模型。
pip install -U huggingface_hub
hf download microsoft/phi-4

如何使用

发送文字提示词,最好写成带角色的对话。模型以生成的文字回复。它的上下文长度是 16K 个 token,所以提示词和回答都要控制在这个范围内。

示例

你发一条对话消息,请它一步步解释为什么两个偶数的和是偶数。模型用文字回答,并按顺序摆出推理过程。在依赖它的答案之前,请先检查一遍。

新手与专家

如果你是新手,这是一个你自己运行的文本模型。先用一段简短的对话提示词,看它是怎么推理的,再试更长的任务。

如果你熟悉这个领域,模型卡说训练数据是在 Phi-3 的数据基础上,加入了面向数学、编程和常识的合成教科书式数据。模型在 1920 块 H100 GPU 上用 9.8 trillion 个 token 训练。取舍是它选择了小型稠密模型,重在数据质量而不是规模。

  1. 对话提示词输入
  2. 稠密 Transformer 读取最多 16K 个 token
  3. 它生成文字回复
  4. 你在使用前检查回复

注意事项

这是一个静态模型,在离线数据集上训练,所以它的公开数据止于截止时间。

权重大小,约数
BF1629.3 GB
4-bit estimate7.3 GB
  • License: MIT
  • Cost to run: 未提及
  • Data it reaches: 来自 Hugging Face 的模型文件,以及你发给它的提示词
  • Not for: 没有自己做准确性、安全性和公平性测试的高风险用途,以及违反适用法律的用途

README 和文件

README

Phi-4

Microsoft Research 推出的 14B 开放语言模型,针对计算资源有限时的英语推理和对话做了调整。适合给应用添加文本功能,或研究中等规模模型的开发者。

由 microsoft 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么:Phi-4 是 Microsoft Research 推出的开放语言模型,有 14 billion 参数,是稠密的纯解码器 Transformer。它的训练混合了合成数据、过滤后的公开网页、学术书籍和问答集,重点放在推理上。之后又经过监督微调和直接偏好优化,使它能紧密地遵循指令。

适合谁:适合给内存、算力或响应时间都紧张的产品添加文本功能的开发者。研究语言模型的人也可以把它当作构件来用。

Title: 谁会用它
Industry | Who uses it | How they use it | Example
软件 | 应用开发者 | 在有限的硬件上给产品加入对话或推理 | 把它放在用英语回答的客服助手后面运行
研究 | 语言模型研究者 | 研究一个中等规模的开放模型 | 把它的表现与其他开放模型对比
教育 | 学习工具开发者 | 为数学和逻辑问题提供分步帮助 | 为一道推理题返回详细的解答过程

如果你需要很强的非英语输出,可以跳过它。模型卡说它面向英语,训练数据里只有约 8% 是多语言的。

用在哪里:Hugging Face 的记录列出了 transformers 库,所以 Python 是主要的使用场所。模型卡说它最适合用对话格式的提示词。

  • Python 加 transformers 库
  • 你自己的服务器或工作站,内存要够放下权重
  • Windows、macOS 或 Linux 加 Python,用来下载文件
Title: 它能做的事
Use case | Who | What they get back
内存受限的部署 | 开发者 | 比更大的模型更适合小型环境的能干的文本模型
低延迟功能 | 产品团队 | 对话格式下的快速文字回复
推理和逻辑 | 研究者 | 对推理任务的文字回答

如何设置:你需要带 pip 的 Python 和 transformers 库,以及放下约 29.3 GB BF16 权重的内存。模型卡能看到的部分没有给出加载代码,所以请按模型卡操作。

  • 带 pip 的 Python
  • transformers 库
  • 约 29.3 GB BF16 权重所需的内存,或按估算 4 位约 7.3 GB
  1. 安装 Hugging Face 的下载工具。
  2. 把模型文件下载到你的电脑。
  3. 按模型卡的说明,通过 transformers 加载模型。
pip install -U huggingface_hub
hf download microsoft/phi-4

如何使用:发送文字提示词,最好写成带角色的对话。模型以生成的文字回复。它的上下文长度是 16K 个 token,所以提示词和回答都要控制在这个范围内。

示例:你发一条对话消息,请它一步步解释为什么两个偶数的和是偶数。模型用文字回答,并按顺序摆出推理过程。在依赖它的答案之前,请先检查一遍。

新手与专家:如果你是新手,这是一个你自己运行的文本模型。先用一段简短的对话提示词,看它是怎么推理的,再试更长的任务。

如果你熟悉这个领域,模型卡说训练数据是在 Phi-3 的数据基础上,加入了面向数学、编程和常识的合成教科书式数据。模型在 1920 块 H100 GPU 上用 9.8 trillion 个 token 训练。取舍是它选择了小型稠密模型,重在数据质量而不是规模。

对话提示词输入
稠密 Transformer 读取最多 16K 个 token
它生成文字回复
你在使用前检查回复

注意事项:这是一个静态模型,在离线数据集上训练,所以它的公开数据止于截止时间。

Title: 权重大小,约数
BF16: 29.3 GB
4-bit estimate: 7.3 GB
  • License: MIT
  • Cost to run: 未提及
  • Data it reaches: 来自 Hugging Face 的模型文件,以及你发给它的提示词
  • Not for: 没有自己做准确性、安全性和公平性测试的高风险用途,以及违反适用法律的用途

Hugging Face 上的数据(2026年11月13日)

  • 任务:text generation
  • 框架:transformers
  • 参数量:14.7B
  • Weights: about 29.3 GB in BF16; about 7.3 GB at 4-bit (estimate)
  • Formats: Safetensors
  • 最近 30 天下载:236,972
  • 点赞:2,343
  • 许可证:mit
  • 语言:en
  • Quantized versions: 173
  • Fine-tunes: 127
  • 标签:transformers, safetensors, phi3, text-generation, math, code, chat, conversational

链接

  • 模型:https://huggingface.co/microsoft/phi-4
  • 文件:https://huggingface.co/microsoft/phi-4/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件:

pip install -U huggingface_hub
hf download microsoft/phi-4

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。

文件
README.md  5 KB

1 个文件,共 5 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-13

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。

产品最近 30 天下载点赞参数量许可证最近更新
Phi-4 本页236,9722,34314.7Bmit
Phi-4-mini-instruct共有 phi3 · code · text-generation332,4578883.8Bmit
CherryPit-1.2-2B共有 math · code · text-generation45162.5Bapache-2.0
officialmobai_Rostam-S1-4B-GGUF共有 math · code · text-generation1,09124.1Bapache-2.0
Qwen2.5-Coder-14B-Instruct共有 chat · code · text-generation1,860,32721414.8Bapache-2.0
Qwen2.5-Coder-7B-Instruct共有 chat · code · text-generation1,505,9998727.6Bapache-2.0
数据为 Mindket 在 2026-11-12 至 2026-11-14 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

大家怎么说

Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。

codelionShow HN: AutoThink – Boosts local LLM performance with adaptive reasoningI built AutoThink, a technique that makes local LLMs reason more efficiently by adaptively allocating computational resources based on query complexity. The core idea: instead of giving every query the same "thinking time," classify queries as HIGH or LOW complexity and allocate thinking tokens…397 分 · 68 条回复TokenMargin.DevMicrosoft Phi-4 (14B Dense) Cloud Pricing & Cheapest Providers (2026): What does Microsoft Phi-4 (14B Dense) actually cost in production across input, output & prompt caching? 🧵👇 #AI #LLM #DevTools #SaaS #BuildInPublic2 赞 · 1 条回复meetpateltechMicrosoft announces Phi-4-multimodal and Phi-4-mini48 分 · 3 条回复TokenMargin.DevMicrosoft Phi-4 (14B Dense) vs Llama 3.1 8B Instruct: Which LLM API actually protects your SaaS gross margin at 10,000 DAU? Here is the live 2026 token math across input, output & prompt caching: 🧵👇 #AI #LLM #DevTools #SaaS #BuildInPublic2 赞 · 1 条回复brody_slade_aiMicrosoft debuts Phi-4, new generative AI model24 分 · 1 条回复TokenMargin.Dev3/ Run your own DAU, prompt cache hit rate (0-95%), and LiteLLM fallback router simulation on our live comparison page: https://tokenmargin.dev/compare/microsoft-phi-4-vs-llama-3-1-8b-instruct.html?ref=bsky #AI #LLM #FinOps #DevTools #BuildInPublic1 赞excsnMicrosoft Phi 4 with R1 Reasoning6 分 · 2 条回复TokenMargin.Dev2/ Monthly SaaS API Bill at 10,000 DAU: • Microsoft Phi-4 (14B Dense): $396/mo • Llama 3.1 8B Instruct: $180/mo • Cheaper Winner: Llama 3.1 8B Instruct (Saves 55% — $2,592/yr)1 条回复doomroot13Microsoft Releases Phi-4-multimodal [pdf]3 分 · 1 条回复TokenMargin.Dev1/ Raw Token Pricing per 1M Tokens: • Microsoft Phi-4 (14B Dense): $0.06 in / $0.14 out (Cache read: $0.03) • Llama 3.1 8B Instruct: $0.03 in / $0.05 out (Cache read: $0.015)1 条回复emrahMicrosoft Phi-4 reasoning technical report [pdf]2 分 · 1 条回复@sm14yu.bsky.socialMicrosoft released Phi-4 Reasoning, a 14B local model for multi-step technical analysis, code review, and research. It needs 16–24 GB RAM and supports GGUF/AWQ quantization; verify all license terms before deployment.1 赞

搜索日期

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

开发类的相似商品

查看开发类的全部商品

Lexnet

alpindale · 工具包

用一个只有约 984 个权重的小型神经网络,为 C 源代码的每个字符打上语法高亮标签,通过一个小小的 C 程序运行。适合对手工设计的网络好奇的开发者和研究者。

新上架

FLUX.2 Klein LoRA Studio

prithivMLmods · 工具包

在浏览器或你自己的电脑上,用一个 Gradio 应用试用 FLUX.2 Klein 图像模型的一组 LoRA。适合制作或测试 AI 图片的人。

新上架

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架