LLM MIT

Phi-4 14B

14B параметров · Transformer · Контекст 16k · Microsoft · 2024

Запустить на GPU HuggingFace →

VRAM по точности

Точность VRAM Качество Рекомендация
FP16 28 ГБ Максимальное Для продакшена
FP8 14 ГБ Отличное Оптимально
INT8 14 ГБ Хорошее
INT4/Q4 7 ГБ Приемлемое Для экспериментов

Совместимые GPU

GPU VRAM Поддерживает
Рек. NVIDIA RTX 4090
24 ГБ FP16, FP8, INT8, INT4 Арендовать
NVIDIA A100
80 ГБ FP16, FP8, INT8, INT4 Арендовать
NVIDIA H100 SXM
80 ГБ FP16, FP8, INT8, INT4 Арендовать

Рекомендуемые фреймворки

vLLM Ollama llama.cpp

Быстрый старт

vllm 
docker run --gpus all -p 8000:8000 vllm/vllm-openai:latest \
  --model phi-4 \
  --quantization fp8

Характеристики модели

Технические параметры

Разработчик
Microsoft
Год выпуска
2024
Параметры
14B
Архитектура
Transformer
Контекстное окно
16,384 токенов
Лицензия
MIT

Применение

Reasoning Math Code generation STEM tasks

Phi-4 14B — эволюция линейки Phi с упором на математику, логику и STEM: Microsoft показывает, что сильная дистилляция и качественный синтетический корпус могут поднять mid-size модель до поведения, которое раньше ожидали от заметно более тяжёлых весов. В продукте это полезно, когда нужны аккуратные рассуждения, разбор задач и помощь в коде/формулах без немедленного перехода на 70B+. Окно контекста здесь скромнее «128k» собратьев Phi-3 — зато модель сфокусирована на плотных рассуждениях в пределах типичного чата.

Базовый instruct-ориентированный чекпоинт на HF: microsoft/phi-4, контекст 16k (MIT).

Запуск на cloudcompute.ru

Шаг 1 — Арендуйте GPU

Для Phi-4 14B в fp16 рекомендуем RTX 4090 или A100 / H100. Перейдите в каталог GPU и арендуйте инстанс.

Шаг 2 — Запустите vLLM

docker run --gpus all -p 8000:8000 vllm/vllm-openai:latest \
  --model microsoft/phi-4 \
  --dtype auto \
  --max-model-len 16384

Альтернативно, для быстрого старта используйте Ollama:

ollama run phi4

Шаг 3 — Отправьте запрос

curl http://localhost:8000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "microsoft/phi-4",
    "messages": [{"role": "user", "content": "Привет! Расскажи о себе."}]
  }'

Оптимизация

  • Для математики просите модель явно выделять шаги решения и проверять граничные случаи — это снижает долю «красивых, но неверных» ответов.
  • Если задачи многошаговые, используйте chain-of-thought умеренно: длинные рассуждения быстро раздувают выход и стоимость.
  • Для критичных вычислений комбинируйте LLM с калькулятором/интерпретатором: Phi-4 сильна в рассуждении, но не заменяет верификацию.