Phi-4 Reasoning
Microsoft · Programmation · Autres
Phi-4 Reasoning est le modèle ouvert de raisonnement de 14B de Microsoft. Il traite les problèmes de maths, de sciences et de code pas à pas, au niveau de modèles bien plus gros.
À propos de Phi-4 Reasoning
About
Qu'est-ce que Phi-4 Reasoning
Phi-4 Reasoning est un modèle de raisonnement de Microsoft Research, sorti le 30 avril 2025 dans la famille Phi. Il part de la base Phi-4, forte de 14B de paramètres, et reçoit un affinage sur des traces de raisonnement triées, ce qui lui fait dérouler sa chaîne de pensée avant de livrer la réponse. L'idée est simple. Vous obtenez un raisonnement de pointe en maths, sciences et code sans payer un modèle géant.
Le modèle vise les endroits où les gros ne rentrent pas. Il tourne dans des environnements à mémoire et puissance limitées, garde une latence basse et sort sous licence MIT, donc n'importe qui peut le télécharger, l'affiner et l'exploiter commercialement. C'est un petit modèle de langage qui fait mieux que sa taille ne suggère. Microsoft l'a entraîné par affinage supervisé et apprentissage par renforcement, et c'est ainsi qu'un modèle de 14B tient sur des problèmes difficiles.
Les limites sont réelles. Phi-4 Reasoning est pensé pour le raisonnement mathématique et pour l'anglais, donc les autres langues perdent nettement en qualité. Sa fenêtre de contexte est de 32K tokens, moins que les 128K de beaucoup de rivaux. Et comme il écrit toujours un long bloc de raisonnement, les réponses prennent plus de temps et consomment plus de tokens qu'un simple chat.
Getting Started
- Téléchargez les poids depuis Hugging Face ou passez par Azure AI Foundry. Le modèle est aussi sur Ollama et llama.cpp pour un usage local.
- Réglez les paramètres de décodage conseillés : température 0,8, top_k 50, top_p 0,95 et échantillonnage actif. Si vous les ignorez, la qualité chute.
- Chargez-le avec la bibliothèque transformers ou servez-le via vLLM, puis envoyez un prompt au format ChatML avec le message système de Phi.
- Lisez la réponse. La chaîne de raisonnement arrive d'abord, puis la solution finale, propre.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de Phi-4 Reasoning.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Développeurs d'applications
- Chercheurs
- Étudiants et enseignants
Tâches
- Résoudre des problèmes de maths
- Écrire et expliquer du code
- Répondre à des questions scientifiques de niveau master
- Planification en plusieurs étapes
Cas d'usage
- Raisonner hors ligne
- Prototyper avec peu de budget
- Construire des agents légers
Fonctionnalités clés
Un raisonnement visible, étape par étape
Phi-4 Reasoning écrit ce qu'il pense avant de répondre, donc vous suivez chaque étape et repérez où il se trompe. La sortie se coupe en un bloc de raisonnement et un bloc de solution. Cette structure aide quand le processus compte autant que le résultat.
14B de paramètres sur la base dense Phi-4
Le modèle réutilise l'architecture Phi-4, un transformer dense de 14B à décodeur seul, et y ajoute un affinage axé sur le raisonnement. Il en sort un modèle compact qui traite quand même des problèmes difficiles. Pour qui construit, cette taille rentre dans du matériel où un 70B ne tournerait jamais.
De bons scores en maths et en sciences
Le modèle est devenu une référence de l'IA pour les maths en poids ouverts. Microsoft annonce 75,3 sur AIME 2024 et 65,8 sur GPQA-Diamond pour Phi-4 Reasoning, devant le modèle distillé DeepSeek-R1 de 70B avec bien moins de paramètres. Sur AIME 2025, il dépasse même le DeepSeek-R1 complet de 671B. Ces chiffres viennent des propres tests de Microsoft.
Entraîné par affinage supervisé et apprentissage par renforcement
Microsoft a affiné Phi-4 sur des démonstrations de raisonnement triées, tirées d'OpenAI o3-mini, puis a utilisé l'apprentissage par renforcement pour peaufiner le comportement. La qualité des données a fait le gros du travail, et c'est pourquoi un petit modèle rivalise avec de plus gros.
Fenêtre de contexte de 32K tokens
Le modèle accepte jusqu'à 32K tokens, de quoi traiter des problèmes longs et des prompts détaillés. Microsoft conseille de monter max_new_tokens jusqu'à 32768 sur les requêtes complexes, pour laisser de la place à la chaîne de pensée.
Licence MIT et large prise en charge des frameworks
Les poids sortent sous licence MIT, donc l'usage commercial est permis, et le modèle tourne directement sur transformers, vLLM, Ollama et llama.cpp. Vous pouvez aussi appeler l'API Phi-4 comme service hébergé via Azure AI Foundry.
Avantages et inconvénients
Avantages
- Se télécharge et tourne gratuitement sous licence MIT, donc l'auto-hébergement n'a aucun frais d'API.
- Égale ou dépasse des modèles cinq fois plus gros en maths et en sciences, selon Microsoft.
- Assez petit pour du matériel limité, ce qui garde la latence basse et permet de raisonner hors ligne.
- Montre ses étapes de raisonnement, ce qui aide à apprendre, déboguer et vérifier les réponses.
- Fonctionne avec des outils courants comme transformers, vLLM, Ollama et llama.cpp sans réglage supplémentaire.
Inconvénients
- Conçu pour l'anglais et les maths, donc les prompts dans d'autres langues et l'écriture ouverte perdent nettement en qualité.
- La fenêtre de 32K reste derrière les 128K de beaucoup de rivaux, ce qui limite le travail sur de longs documents.
- Écrire toujours la chaîne complète rend les réponses plus lentes et plus gourmandes en tokens qu'un chat ordinaire.
- Les connaissances viennent d'un jeu hors ligne arrêté en mars 2025, donc le modèle peut rater des événements récents.
Questions fréquentes
C'est un modèle ouvert de raisonnement de 14B de Microsoft Research, sorti le 30 avril 2025. Il est affiné à partir de Phi-4 pour résoudre des problèmes de maths, de sciences et de code avec une chaîne de pensée pas à pas.
Contenus associés
Découvrez des outils, des compétences et des articles liés à Phi-4 Reasoning.
Alternatives à Phi-4 Reasoning
Forefront
Forefront · ProgrammationForefront est une plateforme web pour construire avec de l'IA open source. Elle vous laisse affiner les principaux modèles de langage open source sur vos propres données, évaluer leurs performances et les exécuter via une API ou les exporter pour les héberger vous-même. Les développeurs qui veulent le confort d'une plateforme fermée mais tiennent à rester propriétaires de leurs modèles et de leurs données sont le public visé ici.
Startkit
StartKit.AI · ProgrammationStartkit est un boilerplate pour créer des produits SaaS d'IA et des wrappers d'IA. Voyez-le comme un boilerplate de startup IA avec les parties ennuyeuses déjà branchées : authentification, paiements Stripe et Lemon Squeezy, limites d'usage, e-mail transactionnel et un kit de démarrage d'API IA qui parle à OpenAI, Anthropic, Groq ou Llama. Vous clonez le dépôt, fixez votre prix et attaquez la partie du produit pour laquelle les gens paient vraiment. Il repose sur Next.js au-dessus de React et Tailwind, donc une bonne partie du code boilerplate vous semble déjà familière.
Testim
Tricentis · ProgrammationTestim est une plateforme d'automatisation des tests dopée à l'IA, qui sert à créer et exécuter des tests de bout en bout sur des applications web, mobiles et Salesforce. Elle s'appuie sur l'apprentissage automatique pour garder les tests stables quand une interface change, alors les équipes passent moins de temps à réparer des sélecteurs cassés. Pas mal pour un outil de tests automatisés que vous pouvez utiliser dès aujourd'hui. Vous créez des tests en enregistrant des actions dans un navigateur, puis vous ajoutez du JavaScript quand vous avez besoin de plus de contrôle. C'est un choix solide pour une équipe QA bien occupée.