Phi-4 Reasoning
Microsoft · Programação · Outros
O Phi-4 Reasoning é o modelo aberto de raciocínio de 14B da Microsoft. Resolve problemas de matemática, ciência e código passo a passo, no nível de modelos bem maiores.
Sobre Phi-4 Reasoning
About
O que é o Phi-4 Reasoning
O Phi-4 Reasoning é um modelo de raciocínio da Microsoft Research, lançado em 30 de abril de 2025 dentro da família Phi. Ele parte da base Phi-4, com 14B de parâmetros, e passa por um ajuste fino com traços de raciocínio selecionados, então mostra a cadeia de pensamento antes de entregar a resposta. A ideia é simples. Você tem raciocínio de ponta em matemática, ciência e código sem pagar por um modelo enorme.
O modelo existe para onde os grandes não cabem. Ele roda em ambientes com pouca memória e poder de processamento, mantém a latência baixa e sai com licença MIT, então qualquer pessoa pode baixar, ajustar e usar comercialmente. É um modelo de linguagem pequeno que rende acima do próprio tamanho. A Microsoft o treinou com ajuste fino supervisionado e aprendizado por reforço, e é assim que um modelo de 14B acompanha problemas difíceis.
Os limites são reais. O Phi-4 Reasoning foi feito para raciocínio matemático e para o inglês, então outros idiomas perdem bastante qualidade. A janela de contexto é de 32K tokens, menor que os 128K de vários rivais. E como ele sempre escreve um bloco de raciocínio longo, demora mais e gasta mais tokens que um chat comum.
Getting Started
- Baixe os pesos do Hugging Face ou leve o modelo pelo Azure AI Foundry. Ele também está no Ollama e no llama.cpp para rodar localmente.
- Ajuste os parâmetros de decodificação recomendados: temperatura 0,8, top_k 50, top_p 0,95 e amostragem ativa. Se você ignorar isso, a qualidade cai.
- Carregue com a biblioteca transformers ou sirva via vLLM, e envie um prompt no formato ChatML com a mensagem de sistema do Phi.
- Leia a resposta. Primeiro vem a cadeia de raciocínio, depois a solução final limpa.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de Phi-4 Reasoning.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Desenvolvedores de apps
- Pesquisadores
- Estudantes e professores
Tarefas
- Resolver problemas de matemática
- Escrever e explicar código
- Responder perguntas de ciência em nível de pós-graduação
- Planejamento em várias etapas
Cenários
- Raciocinar sem conexão
- Prototipar com pouco orçamento
- Montar agentes leves
Principais recursos
Raciocínio visível passo a passo
O Phi-4 Reasoning escreve o que pensa antes de responder, então você acompanha cada passo e vê onde ele erra. A saída se divide em um bloco de raciocínio e outro de solução. Essa estrutura ajuda quando o processo importa tanto quanto o resultado.
14B de parâmetros sobre a base densa Phi-4
O modelo reaproveita a arquitetura Phi-4, um transformer denso de 14B só com decodificador, e adiciona um ajuste focado em raciocínio. Fica um modelo compacto que ainda resolve problemas difíceis. Para quem constrói, esse tamanho cabe em hardware onde um 70B nem rodaria.
Bons resultados em matemática e ciência
O modelo virou referência de IA para matemática de peso aberto. A Microsoft relata 75,3 no AIME 2024 e 65,8 no GPQA-Diamond para o Phi-4 Reasoning, à frente do modelo destilado DeepSeek-R1 de 70B com bem menos parâmetros. No AIME 2025 ele supera até o DeepSeek-R1 completo de 671B. São dados dos próprios testes da Microsoft.
Treinado com ajuste fino supervisionado e aprendizado por reforço
A Microsoft ajustou o Phi-4 com demonstrações de raciocínio selecionadas, tiradas do OpenAI o3-mini, e depois usou aprendizado por reforço para refinar o comportamento. A qualidade dos dados fez o trabalho pesado, e por isso um modelo pequeno compete com outros maiores.
Janela de contexto de 32K tokens
O modelo aceita até 32K tokens, o bastante para problemas longos e prompts detalhados. A Microsoft recomenda subir max_new_tokens até 32768 em consultas complexas, para a cadeia de pensamento ter espaço.
Licença MIT e suporte amplo de frameworks
Os pesos saem com licença MIT, então o uso comercial é permitido, e o modelo roda direto no transformers, vLLM, Ollama e llama.cpp. Você também pode chamar a API do Phi-4 como serviço hospedado pelo Azure AI Foundry.
Prós e contras
Prós
- Baixa e roda de graça com licença MIT, então hospedar por conta própria não tem taxa de API.
- Iguala ou supera modelos cinco vezes maiores em matemática e ciência, segundo a Microsoft.
- É pequeno o bastante para hardware limitado, o que derruba a latência e permite raciocinar sem conexão.
- Mostra os passos de raciocínio, o que ajuda a aprender, depurar e auditar respostas.
- Funciona com ferramentas comuns como transformers, vLLM, Ollama e llama.cpp sem configuração extra.
Contras
- Foi feito para inglês e matemática, então prompts em outros idiomas e escrita aberta rendem bem pior.
- A janela de 32K fica atrás dos 128K de muitos rivais, o que limita o trabalho com documentos longos.
- Escrever sempre a cadeia completa deixa as respostas mais lentas e mais famintas por tokens que um chat comum.
- O conhecimento vem de um conjunto offline com corte em março de 2025, então pode perder eventos recentes.
Perguntas frequentes
É um modelo aberto de raciocínio de 14B da Microsoft Research, lançado em 30 de abril de 2025. Ele é ajustado a partir do Phi-4 para resolver matemática, ciência e código com uma cadeia de pensamento passo a passo.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a Phi-4 Reasoning.
Alternativas a Phi-4 Reasoning
Forefront
Forefront · ProgramaçãoO Forefront é uma plataforma web para construir com IA de código aberto. Você ajusta os principais modelos de linguagem de código aberto com seus próprios dados, avalia o desempenho deles e os roda por uma API ou os exporta para hospedar por conta própria. Desenvolvedores que querem a conveniência de uma plataforma fechada, mas fazem questão de ser donos dos modelos e dos dados, são o público-alvo aqui.
Startkit
StartKit.AI · ProgramaçãoStartkit é um boilerplate para criar produtos de SaaS com IA e wrappers de IA. Pense nele como um boilerplate para startups de IA com as partes chatas já conectadas: autenticação, pagamentos com Stripe e Lemon Squeezy, limites de uso, e-mail transacional e um kit inicial de API de IA que conversa com OpenAI, Anthropic, Groq ou Llama. Você clona o repositório, define seu preço e começa pela parte do produto que as pessoas realmente pagam. Ele é feito em Next.js sobre React e Tailwind, então boa parte do código boilerplate já parece familiar.
Testim
Tricentis · ProgramaçãoO Testim é uma plataforma de automação de testes com IA para criar e executar testes de ponta a ponta em aplicações web, mobile e Salesforce. Ele se apoia no aprendizado de máquina para manter os testes estáveis quando uma interface muda, então as equipes gastam menos tempo consertando seletores quebrados. Nada mal para uma ferramenta de testes automatizados que você pode começar a usar hoje. Você cria testes gravando ações no navegador e depois adiciona JavaScript quando precisa de mais controle. É uma escolha sólida para equipes de QA ocupadas.