Phi-4 Reasoning
Microsoft · Coding · Sonstiges
Phi-4 Reasoning ist Microsofts offenes Reasoning-Modell mit 14B. Es löst Mathe-, Wissenschafts- und Code-Aufgaben Schritt für Schritt und erreicht dabei viel größere Modelle.
Über Phi-4 Reasoning
About
Was ist Phi-4 Reasoning
Phi-4 Reasoning ist ein Reasoning-Modell von Microsoft Research, veröffentlicht am 30. April 2025 innerhalb der Phi-Familie. Es startet auf der Phi-4-Basis mit 14B Parametern und wird auf ausgewählten Reasoning-Spuren nachtrainiert, sodass es seine Gedankenkette zeigt, bevor es antwortet. Die Idee ist einfach. Sie bekommen Reasoning auf Frontier-Niveau für Mathe, Wissenschaft und Code, ohne für ein riesiges Modell zu zahlen.
Das Modell ist für Orte gedacht, an denen große Modelle nicht passen. Es läuft in Umgebungen mit wenig Speicher und Rechenleistung, hält die Latenz niedrig und kommt unter der MIT-Lizenz, sodass jeder es herunterladen, nachtrainieren und kommerziell einsetzen kann. Es ist ein kleines Sprachmodell, das über seine Größe hinaus liefert. Microsoft hat es mit überwachtem Feintuning und Reinforcement Learning trainiert, und so hält ein 14B-Modell bei schweren Problemen mit.
Die Grenzen sind real. Phi-4 Reasoning ist auf mathematisches Reasoning und Englisch ausgelegt, andere Sprachen verlieren also deutlich an Qualität. Sein Kontextfenster umfasst 32K Token, weniger als die 128K vieler Konkurrenten. Und weil es immer einen langen Reasoning-Block schreibt, dauern Antworten länger und verbrauchen mehr Token als bei einem einfachen Chat-Modell.
Getting Started
- Laden Sie die Gewichte von Hugging Face herunter oder beziehen Sie das Modell über Azure AI Foundry. Es läuft auch mit Ollama und llama.cpp lokal.
- Stellen Sie die empfohlenen Decoding-Parameter ein: Temperatur 0,8, top_k 50, top_p 0,95 und Sampling an. Wer das überspringt, verliert Qualität.
- Laden Sie es mit der transformers-Bibliothek oder stellen Sie es über vLLM bereit, und senden Sie einen ChatML-Prompt mit der Phi-Systemnachricht.
- Lesen Sie die Antwort. Zuerst kommt die Gedankenkette, danach die saubere finale Lösung.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Phi-4 Reasoning.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- App-Entwickler
- Forschende
- Studierende und Lehrende
Aufgaben
- Matheaufgaben lösen
- Code schreiben und erklären
- Wissenschaftsfragen auf Master-Niveau beantworten
- Mehrstufige Planung
Szenarien
- Offline schlussfolgern
- Mit kleinem Budget testen
- Leichte Agenten bauen
Wichtigste Funktionen
Sichtbares Reasoning Schritt für Schritt
Phi-4 Reasoning schreibt seine Gedanken auf, bevor es antwortet, sodass Sie jedem Schritt folgen und Fehler erkennen. Die Ausgabe zerfällt in einen Reasoning-Block und einen Lösungsblock. Diese Struktur hilft, wenn der Weg so viel zählt wie das Ergebnis.
14B Parameter auf der dichten Phi-4-Basis
Das Modell nutzt die Phi-4-Architektur wieder, einen dichten 14B-Transformer mit reinem Decoder, und ergänzt ein Reasoning-Feintuning. So bleibt ein kompaktes Modell, das trotzdem schwere Probleme löst. Für Entwickler heißt das: Die Größe passt auf Hardware, auf der ein 70B-Modell nie laufen würde.
Starke Werte in Mathe und Wissenschaft
Das Modell ist zu einer Referenz für offene KI für Mathematik geworden. Microsoft nennt für Phi-4 Reasoning 75,3 bei AIME 2024 und 65,8 bei GPQA-Diamond, vor dem destillierten DeepSeek-R1 mit 70B bei deutlich weniger Parametern. Bei AIME 2025 übertrifft es sogar das komplette DeepSeek-R1 mit 671B. Diese Zahlen stammen aus Microsofts eigenen Tests.
Trainiert mit überwachtem Feintuning und Reinforcement Learning
Microsoft hat Phi-4 auf ausgewählten Reasoning-Demonstrationen aus OpenAI o3-mini feinabgestimmt und dann mit Reinforcement Learning das Verhalten verfeinert. Die Datenqualität leistete die Hauptarbeit, und deshalb hält ein kleines Modell mit größeren mit.
Kontextfenster von 32K Token
Das Modell nimmt bis zu 32K Token auf, genug für lange Aufgaben und ausführliche Prompts. Microsoft empfiehlt, max_new_tokens bei komplexen Anfragen bis 32768 zu setzen, damit die Gedankenkette Platz hat.
MIT-Lizenz und breite Framework-Unterstützung
Die Gewichte kommen unter der MIT-Lizenz, kommerzielle Nutzung ist also erlaubt, und das Modell läuft direkt mit transformers, vLLM, Ollama und llama.cpp. Sie können die Phi-4 API auch als gehosteten Dienst über Azure AI Foundry aufrufen.
Vor- und Nachteile
Vorteile
- Lädt und läuft kostenlos unter der MIT-Lizenz, Selbsthosten hat also keine API-Gebühren.
- Erreicht oder übertrifft Modelle, die fünfmal größer sind, in Mathe und Wissenschaft, laut Microsoft.
- Klein genug für begrenzte Hardware, was die Latenz senkt und Reasoning offline ermöglicht.
- Zeigt seine Reasoning-Schritte, was beim Lernen, Debuggen und Prüfen von Antworten hilft.
- Läuft mit gängigen Werkzeugen wie transformers, vLLM, Ollama und llama.cpp ohne Extra-Einrichtung.
Nachteile
- Auf Englisch und Mathe ausgelegt, andere Sprachen und offenes Schreiben fallen also deutlich ab.
- Das 32K-Fenster liegt hinter den 128K vieler Konkurrenten zurück, was Arbeit mit langen Dokumenten begrenzt.
- Der immer volle Reasoning-Block macht Antworten langsamer und tokenhungriger als bei einem einfachen Chat-Modell.
- Das Wissen stammt aus einem Offline-Datensatz mit Stichtag März 2025, aktuelle Ereignisse können also fehlen.
Häufige Fragen
Es ist ein offenes Reasoning-Modell mit 14B von Microsoft Research, veröffentlicht am 30. April 2025. Es wird aus Phi-4 feinabgestimmt, um Mathe, Wissenschaft und Code über eine schrittweise Gedankenkette zu lösen.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Phi-4 Reasoning.
Alternativen zu Phi-4 Reasoning
Base Code
Base44 (Wix) · Coding · ProduktivitätBase Code ist eine geteilte Cloud-Entwicklungsumgebung von Base44. Das Team beschreibt Änderungen an einem bestehenden GitHub-Repository im Chat, prüft sie in der Vorschau und reicht sie als Pull Request ein.
Google EmbeddingGemma 2
Google DeepMind · Schreiben · Bilder · CodingGoogle EmbeddingGemma 2 ist ein offenes Modell mit 740 Millionen Parametern, das Text, Code, Bilder, Audio und Videobilder in Vektoren eines gemeinsamen 768-dimensionalen Raums umwandelt und auf Handys und Notebooks läuft.
GitGlow
GitGlow · Coding · ProduktivitätGitGlow ist ein Git-Client für den Desktop, der Ihren Code und die Änderungen Ihrer KI-Agenten in einer Review bündelt, damit Sie vor dem Ausliefern sehen, was die Maschine verlässt.