基准测试表现
| 基准 | 得分 | 单位 | 评测日期 | 备注 | 来源 |
|---|
| MMLU | 69.2 | % | 2024-12-12 | 5-shot | 查看 |
| HUMANEVAL | 62.8 | pass@1 | 2024-12-12 | — | 查看 |
| GSM8K | 71.1 | % | 2024-12-12 | 0-shot CoT | 查看 |
| MATH | 39.6 | % | 2024-12-12 | 0-shot CoT | 查看 |
| BBH | 66.9 | % | 2024-12-12 | 3-shot CoT | 查看 |
| GPQA | 30.1 | % | 2024-12-12 | 0-shot | 查看 |
| IFEVAL | 59.6 | % | 2024-12-12 | prompt_strict | 查看 |
| ARC | 85.1 | % | 2024-12-12 | challenge | 查看 |
| MUSR | 38.6 | % | 2024-12-12 | 0-shot | 查看 |
| WINOGRANDE | 78.3 | % | 2024-12-12 | 0-shot | 查看 |
合规性
- 数据驻留: self-host
- SOC2: ✗
- HIPAA: ✗
- GDPR: ✗
- ISO 27001: ✗
Phi-4
模型概述
Microsoft Phi-4 14B 模型, 16K 上下文, 改进推理与数学能力, 在 14B 规模上接近 GPT-4o-mini。
核心规格
| 厂商 | 版本 | 发布日期 | 上下文窗口 | 输入模态 | 输出模态 | 许可证 |
|---|
| Other | phi-4 | 2024-12-12 | 16K | text | text | MIT |
基准测试表现
| 基准 | 得分 | 单位 | 备注 |
|---|
| MMLU (Massive Multitask Language Understanding) | 69.2 | % | 5-shot |
| HumanEval | 62.8 | pass@1 | — |
| GSM8K (Grade School Math 8K) | 71.1 | % | 0-shot CoT |
| MATH | 39.6 | % | 0-shot CoT |
| BBH (BIG-Bench Hard) | 66.9 | % | 3-shot CoT |
| GPQA | 30.1 | % | 0-shot |
| IFEval | 59.6 | % | prompt_strict |
| ARC | 85.1 | % | challenge |
| MUSR | 38.6 | % | 0-shot |
| WinoGrande | 78.3 | % | 0-shot |
定价
每百万 token
优势
劣势
- 闭源专有模型，不支持自托管。
- 上下文窗口 16K 偏小。
适用场景
参考文献