Phi 4

Phi 4

Deskripsi jaringan saraf Phi 4

Phi 4 adalah model bahasa open-source dikembangkan oleh Microsoft. Model ini memiliki 14,7 miliar parameter dan dirancang untuk penalaran lanjutan, pemrograman, dan mengetahui tugas-tugas terkait. Phi 4 dilatih pada kombinasi data sintetis dan data web disaring, mencapai keseimbangan yang baik antara kinerja dan kepuasan. Model ini mendukung konteks hingga 16 ribu token, tersedia via API, dan dipublikasikan di platform Wajah Hugging.

Spesifikasi Phi 4

Siapa Phi 4 yang cocok?

Pengembang dan insinyur

Phi 4 akan berguna bagi pengembang untuk mencari model bahasa terbuka untuk mengintegrasikan proyek mereka. Terima kasih atas dukungan API, pemanggilan fungsi, dan pemrosesan batch, model ini cocok untuk embedding dalam aplikasi yang memerlukan pembuatan kode, inferensi logis, atau pengolahan pengetahuan. The MIT lisensi juga menyederhanakan penggunaan komersial.

Peneliti dan spesialis data

Bagi para profesional yang bekerja pada tugas matematika dan logis, Phi 4 menawarkan hasil yang kuat dalam benchmark yang relevan. Kemampuan untuk menemukan-tune model memungkinkan untuk beradaptasi dengan tugas yang sangat khusus.

Tim yang bekerja dengan anggaran terbatas

Berkat biaya penggunaannya yang rendah ($0.07 per juta token masukan dan $0.14 per juta token keluaran) dan open source alam, Phi 4 cocok dengan tim yang ingin model berkualitas tinggi tanpa pengeluaran infrastruktur yang signifikan.

Bagaimana menggunakan Phi 4?

Via API

Phi 4 tersedia melalui API, memungkinkan Anda untuk mulai dengan cepat tanpa menyebarkan model pada server Anda sendiri. API mendukung pemanggilan fungsi, keluaran terstruktur, eksekusi kode, pencarian web, dan pemrosesan batch.

Penempatan lokal

Berkat lisensi MIT yang terbuka, model dapat diunduh dari Hugging Face dan ditempatkan secara lokal. Hal ini memberi Anda kontrol penuh atas data Anda dan memungkinkan Anda untuk beradaptasi model untuk tugas tertentu melalui finetuning.

Fitur kunci Phi 4

Alasan lanjutan

Model menunjukkan hasil yang kuat dalam tugas yang membutuhkan inferensi logis dan analisis matematika. Hal ini membuatnya cocok untuk skenario kompleks yang membutuhkan multi- langkah penalaran.

Pemrograman

Phi 4 mendukung menulis dan menganalisis kode, membuatnya berguna sebagai asisten pengembangan. Kemampuan untuk mengeksekusi kode dikombinasikan dengan pemanggilan fungsi memperluas jangkauan kasus penggunaan.

Kerja pengetahuan

Model dapat menjawab pertanyaan faktual dan memproses informasi dalam lingkup pengetahuannya (cutoff - Juni 1, 2024). Ini sesuai dengan tugas yang melibatkan ekstraksi data dan summarisasi.

Phi 4 keuntungan

Buka model dengan lisensi MIT

Salah satu keuntungan utama Phi 4 adalah lisensi MIT terbuka, yang memungkinkan model untuk digunakan secara bebas, dimodifikasi, dan didistribusikan dalam proyek pribadi dan komersial.

Hasil benchmark kuat

Meskipun relatif kecil jumlah parameter (14.7B), model memberikan hasil yang solid dalam penalaran dan standar matematika, membuatnya kompetitif dengan solusi serupa.

Dukungan fungsionalitas Extended

Phi 4 mendukung berbagai kemampuan tambahan: pemanggilan fungsi, keluaran terstruktur, eksekusi kode, pencarian web, pengolahan batch, dan fine- tuning. Hal ini membuatnya menjadi alat fleksibel untuk berbagai kasus penggunaan.

Phi 4 batasan

konteks terbatas

Dengan ukuran konteks 16 ribu token, model jatuh di belakang beberapa solusi modern yang mendukung 128K token atau lebih. Ini dapat menjadi kendala ketika bekerja dengan dokumen besar atau percakapan panjang.

Keluar pengetahuan cutoff

Pengetahuannya adalah 1 Juni 2024. Untuk tugas yang memerlukan up- to date informasi tentang kejadian setelah tanggal itu, hasil mungkin tidak akurat atau tidak lengkap.

Tugas apa yang menyelesaikan Phi 4?

Tugas penalaran lanjutan

Model ini cocok untuk memecahkan teka-teki logika, masalah matematika, dan skenario yang membutuhkan multi- langkah penalaran.

Pemrograman dan penulisan kode

Phi 4 dapat digunakan sebagai asisten kode: menghasilkan snippet, menjelaskan algoritma, memfaktorkan ulang, dan debug.

Pekerjaan pengetahuan dan faktual Q & A

Model ini dapat menjawab pertanyaan dalam berbagai topik dalam basis pengetahuannya, begitu juga rangkuman dan menganalisis informasi yang tersedia.

Phi 4 harga

Menggunakan Phi 4 melalui biaya API $0.07 per 1 juta token masukan dan $0.14 per 1 juta token keluaran. Harga ini membuat model salah satu yang paling terjangkau di antara solusi dengan ukuran yang sebanding.

Phi 4 istilah penggunaan

Model ini didistribusikan di bawah lisensi MIT, yang merupakan salah satu lisensi yang paling berlaku untuk perangkat lunak dan model. Ini memungkinkan penggunaan, menyalin, modifikasi, dan distribusi untuk non-komersial dan tujuan komersial, asalkan pemberitahuan hak cipta dipertahankan.

Phi 4 tersedia

Phi 4 tersedia secara terbuka di platform Hugging Face. Selain itu, model dapat digunakan melalui API yang mendukung pemrosesan batch, pemanggilan fungsi, dan pencarian web. Model telah tersedia sejak 12 Desember 2024, dan terus diperbarui - update terbaru tanggal 19 Juli 2025.

Bagaimana Phi 4 berbeda dari alternatif

Phi 4 menonjol dari banyak pesaing melalui kombinasi lisensi MIT terbuka dan kinerja yang kuat pada ukuran relatif kecil 14,7 miliar parameter. Tidak seperti model yang lebih besar seperti Llama 3.1 70B Instruct atau Hermes 3 70B, Phi 4 membutuhkan sedikit sumber daya komputasi untuk menyebarkan. Pada saat yang sama, ia menawarkan hasil yang kuat dalam penalaran dan penanda matematika. Alternatif langsung termasuk Phi 4 Reasoning Plus, Phi 4 Reasoning, Phi-3.5 -MoE-instruding, dan Codestrals-22B. Batas utama dibandingkan dengan beberapa model modern adalah konteks token 16K.

Kesimpulan

Phi 4 adalah model bahasa terbuka dari Microsoft dengan 14,7 miliar parameter, dirancang untuk penalaran, pemrograman, dan pengolahan pengetahuan. Berkat lisensi MIT, harga terjangkau, dan dukungan untuk fungsionalitas extended (panggilan fungsi, pemrosesan batch, fine- tuning), model adalah pilihan praktis untuk pengembang dan peneliti yang membutuhkan kuat namun dapat diakses membuka jaringan saraf. Batas utama - sebuah 16K tanda konteks dan pengetahuan cutoff di pertengahan 2024 - harus dipertimbangkan ketika memilih untuk tugas tertentu.