Phi-4 Reasoning
Microsoft · Programación · Otro
Phi-4 Reasoning es el modelo abierto de razonamiento de 14B de Microsoft. Resuelve problemas de matemáticas, ciencia y código paso a paso, a la altura de modelos mucho más grandes.
Acerca de Phi-4 Reasoning
About
Qué es Phi-4 Reasoning
Phi-4 Reasoning es un modelo de razonamiento de Microsoft Research, publicado el 30 de abril de 2025 dentro de la familia Phi. Parte de la base Phi-4, de 14B de parámetros, y se afina con trazas de razonamiento seleccionadas, de modo que muestra su cadena de pensamiento antes de dar la respuesta. La idea es sencilla. Consigues razonamiento de nivel frontera en matemáticas, ciencia y código sin pagar por un modelo enorme.
El modelo está pensado para donde no caben los grandes. Funciona en entornos con poca memoria y cómputo, mantiene la latencia baja y se distribuye con licencia MIT, así que cualquiera puede descargarlo, ajustarlo y usarlo con fines comerciales. Es un modelo de lenguaje pequeño que rinde por encima de su tamaño. Microsoft lo entrenó con ajuste supervisado y aprendizaje por refuerzo, y así un modelo de 14B compite en problemas difíciles.
Los límites son reales. Phi-4 Reasoning está hecho para razonamiento matemático y para el inglés, así que otros idiomas pierden bastante calidad. Su ventana de contexto es de 32K tokens, menos que los 128K de muchos rivales. Y como siempre escribe un bloque de razonamiento largo, tarda más y consume más tokens que un chat normal.
Getting Started
- Descarga los pesos desde Hugging Face o lleva el modelo a través de Azure AI Foundry. También está en Ollama y llama.cpp para ejecutarlo en local.
- Configura los parámetros de decodificación recomendados: temperatura 0,8, top_k 50, top_p 0,95 y muestreo activado. Si te los saltas, la calidad cae.
- Cárgalo con la librería transformers o sírvelo con vLLM, y envía un prompt en formato ChatML con el mensaje de sistema de Phi.
- Lee la respuesta. Primero llega la cadena de razonamiento, y después la solución final bien limpia.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de Phi-4 Reasoning.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Desarrolladores de apps
- Investigadores
- Estudiantes y docentes
Tareas
- Resolver problemas matemáticos
- Escribir y explicar código
- Responder preguntas de ciencia de nivel posgrado
- Planificación de varios pasos
Casos de uso
- Razonar sin conexión
- Prototipar con poco presupuesto
- Crear agentes ligeros
Funciones clave
Razonamiento visible paso a paso
Phi-4 Reasoning escribe lo que piensa antes de responder, así que puedes seguir cada paso y ver dónde se equivoca. La salida se divide en un bloque de razonamiento y otro de solución. Esa estructura ayuda cuando el proceso importa tanto como el resultado.
14B de parámetros sobre la base densa Phi-4
El modelo reutiliza la arquitectura Phi-4, un transformer denso de 14B con solo decodificador, y le añade un ajuste centrado en el razonamiento. Te queda un modelo compacto que aun así resuelve problemas difíciles. Para quien construye, ese tamaño cabe en hardware donde un 70B no arrancaría.
Buenos resultados en matemáticas y ciencia
El modelo se ha vuelto una referencia de la IA para matemáticas de peso abierto. Microsoft reporta 75,3 en AIME 2024 y 65,8 en GPQA-Diamond para Phi-4 Reasoning, por delante del modelo destilado DeepSeek-R1 de 70B con muchos menos parámetros. En AIME 2025 incluso supera al DeepSeek-R1 completo de 671B. Son datos de las propias pruebas de Microsoft.
Entrenado con ajuste supervisado y aprendizaje por refuerzo
Microsoft afinó Phi-4 con demostraciones de razonamiento curadas, tomadas de OpenAI o3-mini, y luego usó aprendizaje por refuerzo para pulir el comportamiento. La calidad de los datos hizo el trabajo pesado, y por eso un modelo pequeño compite con otros mayores.
Ventana de contexto de 32K tokens
El modelo admite hasta 32K tokens, suficiente para problemas largos y prompts detallados. Microsoft recomienda subir max_new_tokens hasta 32768 en consultas complejas, para que la cadena de pensamiento tenga espacio.
Licencia MIT y soporte amplio de frameworks
Los pesos salen con licencia MIT, así que el uso comercial está permitido, y el modelo corre sin más en transformers, vLLM, Ollama y llama.cpp. También puedes llamar a la API de Phi-4 como servicio alojado desde Azure AI Foundry.
Ventajas y desventajas
Ventajas
- Se descarga y ejecuta gratis con licencia MIT, así que autoalojarlo no tiene cuotas de API.
- Iguala o supera a modelos cinco veces más grandes en matemáticas y ciencia, según Microsoft.
- Es lo bastante pequeño para hardware limitado, lo que baja la latencia y permite razonar sin conexión.
- Muestra sus pasos de razonamiento, útil para aprender, depurar y auditar respuestas.
- Funciona con herramientas habituales como transformers, vLLM, Ollama y llama.cpp sin configuración extra.
Desventajas
- Está hecho para inglés y matemáticas, así que los prompts en otros idiomas y la escritura abierta rinden bastante peor.
- La ventana de 32K se queda por detrás de los 128K de muchos rivales, lo que limita el trabajo con documentos largos.
- Escribir siempre la cadena completa hace que las respuestas sean más lentas y consuman más tokens que un chat normal.
- El conocimiento viene de un conjunto sin conexión con corte en marzo de 2025, así que puede perderse eventos recientes.
Preguntas frecuentes
Es un modelo abierto de razonamiento de 14B de Microsoft Research, publicado el 30 de abril de 2025. Se afina a partir de Phi-4 para resolver matemáticas, ciencia y código con una cadena de pensamiento paso a paso.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con Phi-4 Reasoning.
Alternativas a Phi-4 Reasoning
Forefront
Forefront · ProgramaciónForefront es una plataforma web para construir con IA de código abierto. Te deja ajustar los principales modelos de lenguaje de código abierto con tus propios datos, evaluar cómo rinden y ejecutarlos a través de una API o exportarlos para alojarlos tú mismo. Los desarrolladores que quieren la comodidad de una plataforma cerrada pero insisten en ser dueños de sus modelos y sus datos son el público objetivo.
Startkit
StartKit.AI · ProgramaciónStartkit es un boilerplate para crear productos de SaaS con IA y wrappers de IA. Piénsalo como un boilerplate para startups de IA con las partes aburridas ya conectadas: autenticación, pagos con Stripe y Lemon Squeezy, límites de uso, correo transaccional y un kit de inicio de API de IA que habla con OpenAI, Anthropic, Groq o Llama. Clonas el repositorio, pones tu precio y te dedicas a la parte del producto por la que la gente paga de verdad. Está hecho con Next.js sobre React y Tailwind, así que buena parte del código boilerplate ya te resulta familiar.
Testim
Tricentis · ProgramaciónTestim es una plataforma de automatización de pruebas impulsada por IA para crear y ejecutar pruebas de extremo a extremo en aplicaciones web, móviles y Salesforce. Se apoya en el aprendizaje automático para mantener las pruebas estables cuando cambia una interfaz, así que los equipos dedican menos tiempo a reparar selectores rotos. No está nada mal para una herramienta de pruebas automatizadas que puedes empezar a usar hoy mismo. Creas pruebas grabando acciones en un navegador y luego añades JavaScript cuando necesitas más control. Es una opción sólida para equipos de QA con mucho trabajo.