Phi-4 Reasoning
Microsoft · 코딩 · 기타
Phi-4 Reasoning은 마이크로소프트의 14B 오픈 웨이트 추론 모델이다. 수학, 과학, 코드 문제를 단계적으로 풀며 훨씬 큰 모델에 맞먹는 성능을 낸다.
Phi-4 Reasoning 소개
About
Phi-4 Reasoning이란
Phi-4 Reasoning은 마이크로소프트 리서치의 추론 모델로, 2025년 4월 30일 Phi 패밀리의 일원으로 공개됐다. 14B 파라미터의 Phi-4를 토대로 엄선한 추론 흔적으로 미세 조정을 거쳤다. 그래서 답을 내놓기 전에 사고의 연쇄를 먼저 풀어놓는다. 목표는 단순하다. 거대 모델에 돈을 들이지 않고도 수학, 과학, 코드에서 최전선에 가까운 추론을 얻는 것이다.
이 모델은 큰 모델이 들어가지 못하는 자리를 위해 만들었다. 메모리와 연산 자원이 빠듯한 환경에서 돌아가고, 지연은 낮으며, MIT 라이선스로 배포돼 누구나 내려받고 미세 조정하고 상업적으로 쓸 수 있다. 소형 언어 모델이면서 몸집을 넘어서는 일을 해낸다. 마이크로소프트는 지도 미세 조정과 강화 학습으로 훈련했다. 14B가 어려운 문제에서 버티는 이유다.
한계도 분명하다. Phi-4 Reasoning은 수학 추론과 영어를 겨냥해 만들어져 다른 언어에서는 성능이 눈에 띄게 떨어진다. 컨텍스트 길이는 32K 토큰으로, 많은 경쟁 모델이 제공하는 128K보다 짧다. 게다가 매번 긴 추론 블록을 쓰기 때문에 일반 채팅 모델보다 응답이 느리고 토큰도 더 많이 쓴다.
Getting Started
- Hugging Face에서 가중치를 내려받거나 Azure AI Foundry로 모델을 가져온다. Ollama와 llama.cpp에서도 돌아가므로 로컬 실행도 가능하다.
- 권장 디코딩 설정을 넣는다. 온도 0.8, top_k 50, top_p 0.95, 샘플링 켜기. 이걸 빼먹으면 출력 품질이 떨어진다.
- transformers로 불러오거나 vLLM으로 서빙하고, Phi 시스템 메시지를 담은 ChatML 프롬프트를 보낸다.
- 응답을 읽는다. 먼저 추론 체인이 나오고, 그다음에 정리된 최종 답이 이어진다.
제품 정보
Phi-4 Reasoning의 요금, 지원 플랫폼, 성능을 한눈에 확인해 보세요.
추천 대상
이 도구가 가장 잘 맞는 사용자, 작업, 상황입니다.
사용자
- 앱 개발자
- 연구자
- 학생과 교사
작업
- 수학 문제 풀기
- 코드 작성과 설명
- 대학원 수준 과학 문제 답하기
- 다단계 계획
활용 상황
- 오프라인 추론
- 적은 예산으로 시제품 만들기
- 가벼운 에이전트 구성
주요 기능
눈에 보이는 단계적 추론
Phi-4 Reasoning은 답하기 전에 생각을 적는다. 그래서 각 단계를 따라가며 어디서 틀렸는지도 알 수 있다. 출력은 추론 블록과 해답 블록으로 나뉜다. 과정이 결과만큼 중요할 때 이 구조가 힘을 낸다.
조밀한 Phi-4 백본 위의 14B 파라미터
모델은 Phi-4 아키텍처를 재사용한다. 순수 디코더 조밀 14B 트랜스포머다. 여기에 추론 중심 미세 조정을 얹는다. 결과는 어려운 문제도 푸는 작은 모델이다. 만드는 쪽에서는 70B가 못 돌아가는 하드웨어에도 들어가는 크기라는 뜻이다.
수학과 과학에서 강한 벤치마크
이 마이크로소프트 추론 모델은 오픈 웨이트 수학 추론 AI의 기준점이 됐다. 마이크로소프트에 따르면 Phi-4 Reasoning은 AIME 2024에서 75.3, GPQA-Diamond에서 65.8을 기록해, 파라미터가 훨씬 적은데도 70B DeepSeek-R1 증류판을 앞선다. AIME 2025에서는 671B 풀버전 DeepSeek-R1마저 넘는다. 수치는 마이크로소프트 자체 검증에서 나온 것이다.
지도 미세 조정과 강화 학습으로 훈련
마이크로소프트는 OpenAI o3-mini에서 가져온 엄선된 추론 시연으로 Phi-4를 미세 조정하고, 이후 강화 학습으로 행동을 다듬었다. 데이터 품질이 무거운 일을 맡았고, 작은 모델이 큰 모델과 겨룰 수 있는 이유가 여기에 있다.
32K 토큰 컨텍스트 창
모델은 최대 32K 토큰을 받는다. 긴 문제와 자세한 프롬프트에 충분하다. 마이크로소프트는 복잡한 질의에서 max_new_tokens를 32768까지 올리라고 권한다. 사고의 연쇄를 끝까지 쓸 공간을 만들기 위해서다.
MIT 라이선스와 폭넓은 프레임워크 지원
가중치는 MIT 라이선스로 배포돼 상업적 사용이 허용된다. 모델은 transformers, vLLM, Ollama, llama.cpp에서 그대로 돌아간다. Azure AI Foundry를 통해 Phi-4 API를 호스팅 서비스로 호출할 수도 있다.
장단점
장점
- MIT 라이선스로 무료로 내려받아 실행한다. 자체 호스팅이면 API 요금이 없다.
- 마이크로소프트에 따르면 수학과 과학 벤치마크에서 5배 큰 모델과 맞먹거나 앞선다.
- 제약 있는 하드웨어에 들어가는 크기라 지연이 낮고 오프라인 추론이 가능하다.
- 추론 단계를 보여줘 학습과 디버깅, 답 검증에 도움이 된다.
- transformers, vLLM, Ollama, llama.cpp 같은 흔한 도구에서 별도 설정 없이 돈다.
단점
- 영어와 수학에 맞춰 만들어져 다른 언어 프롬프트와 자유로운 글쓰기는 눈에 띄게 떨어진다.
- 32K 컨텍스트 창은 많은 경쟁 모델의 128K에 뒤처져 긴 문서 작업을 제한한다.
- 매번 추론 체인을 전부 쓰기 때문에 일반 채팅 모델보다 응답이 느리고 토큰을 많이 먹는다.
- 지식은 2025년 3월 기준으로 끊긴 오프라인 데이터셋에서 오므로 최근 사건을 놓칠 수 있다.
자주 묻는 질문
마이크로소프트 리서치의 14B 오픈 웨이트 추론 모델로, 2025년 4월 30일 공개됐다. Phi-4에서 미세 조정돼 단계적 사고의 연쇄로 수학, 과학, 코드 문제를 푼다.
관련 콘텐츠
Phi-4 Reasoning와 관련된 도구, 스킬, 아티클을 살펴보세요.
Phi-4 Reasoning 대안
Forefront
Forefront · 코딩Forefront는 오픈소스 AI로 무언가를 만드는 웹 플랫폼이다. 대표적인 오픈소스 언어 모델을 자신의 데이터로 미세 조정하고, 성능을 평가하고, API로 실행하거나 내보내 직접 호스팅할 수 있다. 폐쇄형 플랫폼의 편의를 원하면서도 모델과 데이터의 소유권은 놓지 않으려는 개발자가 대상이다.
Startkit
StartKit.AI · 코딩Startkit은 AI SaaS와 AI 래퍼 제품을 만들기 위한 보일러플레이트다. 지루한 부분을 미리 연결해 둔 AI 스타트업 보일러플레이트라고 생각하면 된다. 인증, Stripe와 Lemon Squeezy 결제, 사용량 제한, 트랜잭션 이메일, 그리고 OpenAI, Anthropic, Groq, Llama와 통신하는 AI API 스타터 키트가 포함된다. 저장소를 복제하고 가격을 정한 뒤 사용자가 실제로 돈을 내는 부분에 착수하면 된다. React와 Tailwind 위의 Next.js로 만들어졌기 때문에 보일러플레이트 코드의 상당 부분이 이미 익숙하게 느껴진다.
Testim
Tricentis · 코딩Testim은 웹, 모바일, Salesforce 애플리케이션 전반에 걸쳐 엔드투엔드 테스트를 만들고 실행하는 AI 기반 테스트 자동화 플랫폼이다. 머신러닝에 기대어 인터페이스가 바뀌어도 테스트를 안정적으로 유지하므로, 팀은 깨진 셀렉터를 고치는 데 쓰는 시간을 줄인다. 오늘부터 쓸 수 있는 자동화 테스트 도구치고 나쁘지 않다. 브라우저에서 동작을 녹화해 테스트를 만들고, 더 세밀한 제어가 필요하면 JavaScript를 더한다. 바쁜 QA 팀에게 탄탄한 선택이다.