Phi-4 is a 14B-parameter small language model from Microsoft, announced on December 12, 2024. Trained heavily on high-quality synthetic data, it outperformed much larger models on maths and reasoning benchmarks at release, with a 16K-token context window. Its weights were released on Hugging Face under the MIT License in January 2025.
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
模型基本信息
开源和体验地址
官方介绍与博客
API接口信息
评测结果
Phi 4 - 14B 当前已收录的代表性评测结果包括 MMLU-Pro（99 / 169，得分 70.40）、Terminal Bench Hard（216 / 242，得分 3.80）、BALROG（29 / 32，得分 11.60）。 本页还汇总了参数规模、上下文长度与 API 价格，便于结合评测结果与部署约束一起判断模型适配度。
发布机构
模型解读
本文内容整理于该模型发布时（2024 年 12 月），文中“最新”“目前最强”等表述均指当时的情况；之后发布的模型与最新排名请参考 大模型排行榜。
微软开源的最新一代的大语言模型，是相比较phi3系列，主要是数学和推理方面有了大幅提升。
Phi4-14B模型的评测结果非常优秀，与其它模型对比如下：
| 评测基准 | phi-4 14b | phi-3 14b | Qwen 2.5 14b | instruct GPT 4o-mini | Llama-3.3 70b instruct | Qwen 2.5 72b instruct | GPT 4o |
|---|---|---|---|---|---|---|---|
| MMLU | 84.8 | 77.9 | 79.9 | 81.8 | 86.3 | 85.3 | 88.1 |
| GPQA | 56.1 | 31.2 | 42.9 | 40.9 | 49.1 | 49.0 | 50.6 |
| MATH | 80.4 | 44.6 | 75.6 | 73.0 | 66.31 | 80.0 | 74.6 |
| HumanEval | 82.6 | 67.8 | 72.1 | 86.2 | 78.91 | 80.4 | 90.6 |
| MGSM | 80.6 | 53.5 | 79.6 | 86.5 | 89.1 | 87.3 | 90.4 |
| SimpleQA | 3.0 | 5.4 | 9.9 | 20.9 | 10.2 | 39.4 | 39.4 |
| DROP | 75.5 | 68.3 | 85.5 | 79.3 | 90.2 | 76.7 | 80.9 |
| MMLUPro | 70.4 | 51.3 | 63.2 | 63.4 | 64.4 | 69.6 | 73.0 |
| HumanEval+ | 82.8 | 69.2 | 79.1 | 82.0 | 77.9 | 78.4 | 88.0 |
| ArenaHard | 75.4 | 45.8 | 70.2 | 76.2 | 65.5 | 78.4 | 75.6 |
| LiveBench | 47.6 | 28.1 | 46.6 | 48.1 | 57.6 | 55.3 | 57.6 |
| IFEval | 63.0 | 57.9 | 78.7 | 80.0 | 89.3 | 85.0 | 84.8 |
| PhiBench (internal) | 56.2 | 43.9 | 49.8 | 58.7 | 57.1 | 64.6 | 72.4 |
DataLearner 官方微信
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
