摘要：微软在去年12月12日首次展示了Phi-4模型，该模型拥有140亿参数，但表现极为强大。在多项测试中表现优异：
微软在去年12月12日首次展示了Phi-4模型，该模型拥有140亿参数，但表现极为强大。在多项测试中表现优异：
GPQA
（研究生水平问答）和MATH数学基准测试中，Phi-4的表现超过了OpenAI的GPT-4o，并超越同类顶级开源模型Qwen 2.5 - 14B和Llama 3.3 - 70B。
在美国数学竞赛AMC测试中，Phi-4取得了91.8分，超过了Gemini Pro 1.5、GPT-4o、Claude 3.5 Sonnet、Qwen 2.5等知名开闭源模型。
其整体性能甚至媲美4050亿参数的Llama 3.1模型。
总结来看，Phi-4在参数量相对较小的情况下，展现出极高的性能与竞争力。
今天Phi-4正式发布，于是满怀激情的再试一把（之前试过提前发布的版本）。下面把试用的过程分享出来。
用ollama下载Phi-4：
用SemanticKernel+ollama跑案全：
using Microsoft.Extensions.DependencyInjection;using Microsoft.Extensions.Logging;using Microsoft.SemanticKernel;using Microsoft.SemanticKernel.ChatCompletion;using Microsoft.SemanticKernel.Connectors.Ollama;using Microsoft.SemanticKernel.Connectors.OpenAI;using OllamaSharp;using OpenAI.RealtimeConversation;using System;using System.ComponentModel;#pragma warning disable SKEXP0001#pragma warning disable SKEXP0010#pragma warning disable SKEXP0070await Call;async Task Call1{ var ollamaApiClient = new OllamaApiClient(new Uri("http://localhost:11434"), "phi4:latest"); var builder = Kernel.CreateBuilder; builder.Services.AddScoped(_ => ollamaApiClient.AsChatCompletionService); var kernel = builder.Build; var chatService = kernel.GetRequiredService; while (true) { Console.Write("用户："); var input = Console.ReadLine; if (string.IsOrWhiteSpace(input)) { break; } var response = chatService.GetStreamingChatMessageContentsAsync(input); var content = ""; var role = AuthorRole.Assistant; Console.ForegroundColor = ConsoleColor.Green; Console.Write("助手："); await foreach (var message in response) { Console.Write($"{message.Content}"); content += message.Content; role = message.Role.Value; } Console.WriteLine; Console.ResetColor; }}先试一个常见的逻辑题：
再来个文雅的内容生成题：
再来一个翻译：
为了对比，把Google的翻译拿上来作对比：
最后再和CahtGPT 4o作个对比：
总体体验下来，作为一个SLM人是十分满意的，用在生产中是相当可以的，不过现在还不支持function calling，另外上面的测试都是在自己的笔记本上跑的，速度是能接受的，如果跑生产，上个显卡，应该就能提速，按理这都不是事。我给phi4打85分，等有了function calling就完美了。
来源：opendotnet
免责声明：本站系转载，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本站联系，我们将在第一时间删除内容!
