Phi-4 Multimodal Instruct logo
Microsoft
•

Open weights model

•

Released February 2025

Phi-4 Multimodal Instruct: Analyse von Intelligenz, Leistung und Preis

Benchmarks der API-Anbieter

Modellübersicht

Intelligenz

5
Artificial Analysis Intelligence Index
2 von 4 Einheiten für Intelligenz.

Geschwindigkeit

17.7
Ausgabetokens pro Sekunde
1 von 4 Einheiten für Geschwindigkeit.

Eingabepreis

0,00 $
USD pro 1 Mio. Tokens
1 von 4 Einheiten für Eingabepreis.

Ausgabepreis

0,00 $
USD pro 1 Mio. Tokens
1 von 4 Einheiten für Ausgabepreis.

Ausführlichkeit

k. A.
Ausgabetokens im Intelligence Index
Unbekannter Wert von 4 Einheiten für Ausführlichkeit.

Phi-4 Multimodal Instruct zählt bei der Intelligenz zu den unterdurchschnittlichen Modellen, ist aber preislich gut aufgestellt im Vergleich zu anderen Modellen ohne Reasoning mit offenen Gewichten ähnlicher Größe. Das Modell unterstützt Text, Bilder und Sprache als Eingabe und Text als Ausgabe. Das Kontextfenster umfasst 128k Tokens, der Wissensstand reicht bis Juni 2024.

Phi-4 Multimodal Instruct erzielt im Artificial Analysis Intelligence Index einen Wert von 5 und liegt damit unter dem Durchschnitt der vergleichbaren Modelle (Median: 6).

Der Preis für Phi-4 Multimodal Instruct beträgt $0.00 pro 1 Mio. Eingabetokens (preislich konkurrenzfähig; Median: $0.05) und $0.00 pro 1 Mio. Ausgabetokens (preislich konkurrenzfähig; Median: $0.15).

Mit 18 Tokens pro Sekunde ist Phi-4 Multimodal Instruct auffallend langsam (Median: 100).

ReasoningNein

Diese Seite zeigt die Version dieses Modells ohne Reasoning.

Möglicherweise gibt es auch eine Reasoning-Variante.

Eingabemodalität

Unterstützt: Text, Bilder und Sprache

Ausgabemodalität

Unterstützt: Text

Wissensstichtag01.06.2024
Kontextfenster128k
~192 A4-Seiten in Arial mit Schriftgröße 12
Gesamtparameter5.6B
LizenzMIT
ModellgewichteHugging Face

Metriken werden mit Modellen derselben Klasse verglichen:

  • Modelle ohne Reasoning → Vergleich nur mit anderen Modellen ohne Reasoning
  • Reasoning-Modelle → Vergleich mit Reasoning-Modellen und Modellen ohne Reasoning
  • Modelle mit offenen Gewichten → Vergleich nur mit anderen Modellen mit offenen Gewichten derselben Größenklasse:
    • Sehr klein: ≤4B Parameter
    • Klein: 4B–40B Parameter
    • Mittel: 40B–150B Parameter
    • Groß: >150B Parameter
  • Proprietäre Modelle → Vergleich mit proprietären Modellen und Modellen mit offenen Gewichten derselben Preisklasse anhand eines Mischpreisverhältnisses von 3:1 für Eingabe/Ausgabe:
    • <$0.15 pro 1 Mio. Tokens
    • $0.15–$1 pro 1 Mio. Tokens
    • >$1 pro 1 Mio. Tokens

Wichtigste Ergebnisse

Intelligenz

Artificial Analysis Intelligence Index · Higher is better

Geschwindigkeit

Output tokens per second · Higher is better

Kosten pro Aufgabe

Weighted average cost (USD) per Intelligence Index task · Lower is better

Intelligenz

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.1 incorporates 9 evaluations: GDPval-AA v2, 𝜏³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience, AA-LCR
Estimate (independent evaluation forthcoming)
Reasoning models are indicated by a lightbulb icon

Artificial Analysis Intelligence Index v4.1 includes: GDPval-AA v2, 𝜏³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience, AA-LCR. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Artificial Analysis Intelligence Index v4.1 incorporates 9 evaluations: GDPval-AA v2, 𝜏³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience, AA-LCR
Estimate (independent evaluation forthcoming)
Reasoning models are indicated by a lightbulb icon

Artificial Analysis Intelligence Index v4.1 includes: GDPval-AA v2, 𝜏³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience, AA-LCR. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if the weights are available but commercial use is limited (typically requires obtaining a paid license).

Benchmarks

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better
GDPval-AA v2

Agentic real-world work tasks, (Elo-500)/2000

𝜏³-Banking

Agentic tool use

Terminal-Bench v2.1

Agentic coding & terminal use

SciCode

Coding

Humanity's Last Exam

Reasoning & knowledge

GPQA Diamond

Scientific reasoning

CritPt

Physics reasoning

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AA-LCR

Long context reasoning

AA-Briefcase

Agentic knowledge work, Elo

AutomationBench-AA

Agentic SaaS workflows

Harvey LAB-AA

Legal agentic work, criterion pass rate

EnterpriseOps-Gym-AANew

Agentic business operations

IFBench

Instruction following

APEX-Agents-AA

Long-horizon agentic tasks

ITBench-AA

Kubernetes incident root-cause analysis

MMMU-Pro

Visual reasoning

Reasoning models are indicated by a lightbulb icon

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

Artificial Analysis Intelligence Index v4.1 includes: GDPval-AA v2, 𝜏³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience, AA-LCR. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Openness Index

Artificial Analysis Openness Index: Score

Openness Index assesses model openness on a 0 to 100 normalized scale (higher is more open)
Reasoning models are indicated by a lightbulb icon

Vergleiche des Intelligence Index

Intelligence Index vs. Cost per Intelligence Index Task

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task
Most attractive quadrant
Pareto line
Reasoning models are indicated by a lightbulb icon

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Artificial Analysis Intelligence Index v4.1 includes: GDPval-AA v2, 𝜏³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience, AA-LCR. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Kosten

Cost per Intelligence Index Task

Weighted average cost (USD) per Artificial Analysis Intelligence Index task, segmented by token type. Lower is better
Reasoning models are indicated by a lightbulb icon

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Cost to Run Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index
Reasoning models are indicated by a lightbulb icon

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens)
Reasoning models are indicated by a lightbulb icon

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Kontextfenster

Context Window

Context window: tokens limit · Higher is better
Reasoning models are indicated by a lightbulb icon

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Geschwindigkeit

Gemessen anhand der Ausgabegeschwindigkeit (Tokens pro Sekunde)

Output Speed

Output tokens per second · Higher is better
Reasoning models are indicated by a lightbulb icon

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API (e.g. OpenAI for o1) or the median across providers where a first-party API is not available (e.g. Meta's Llama models).

Time per Intelligence Index Task

Weighted average decode time (minutes) per task; excludes TTFT and overhead time · Lower is better
Reasoning models are indicated by a lightbulb icon

The weighted average time (seconds) per Artificial Analysis Intelligence Index task. This is calculated by dividing output tokens per task by output speed, weighted by the relative weights of each benchmark in the Intelligence Index.

Latenz

Gemessen anhand der Zeit (in Sekunden) bis zum ersten Token

Latency: Time To First Answer Token

Seconds to first answer token received · Accounts for reasoning model 'thinking' time
Reasoning models are indicated by a lightbulb icon

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Ende-zu-Ende-Antwortzeit

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

End-to-End Response Time

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better
Reasoning models are indicated by a lightbulb icon

Seconds to receive a 500 token response. Key components:

  • Input time: Time to receive the first response token
  • Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
  • Answer time: Time to generate 500 output tokens, based on output speed

Figures represent performance of the model's first-party API (e.g. OpenAI for o1) or the median across providers where a first-party API is not available (e.g. Meta's Llama models).

Modellgröße (nur Modelle mit offenen Gewichten)

Model Size: Total and Active Parameters

Comparison between total model parameters and parameters active during inference
Reasoning models are indicated by a lightbulb icon

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Häufig gestellte Fragen

Häufige Fragen zu Phi-4 Multimodal Instruct

Phi-4 Multimodal Instruct wurde am 26. Februar 2025 veröffentlicht.

Phi-4 Multimodal Instruct wurde von Microsoft entwickelt.

Phi-4 Multimodal Instruct erzielt im Artificial Analysis Intelligence Index einen geschätzten Wert von 5 und liegt damit im Vergleich zu anderen Modellen ohne Reasoning mit offenen Gewichten ähnlicher Größe unter dem Durchschnitt (Median: 6).

Phi-4 Multimodal Instruct erzeugt Ausgaben mit 17.7 Tokens pro Sekunde (auf Grundlage der API von Microsoft). Dies ist am unteren Ende im Vergleich zu anderen Modellen ohne Reasoning mit offenen Gewichten ähnlicher Größe (Median: 99.6 Tokens/s).

Phi-4 Multimodal Instruct hat eine Zeit bis zum ersten Token (TTFT) von 0.81 s (auf Grundlage der API von Microsoft). Dies ist sehr konkurrenzfähig im Vergleich zu anderen Modellen ohne Reasoning mit offenen Gewichten ähnlicher Größe (Median: 1.72 s).

Nein, Phi-4 Multimodal Instruct ist kein Reasoning-Modell. Es antwortet direkt, ohne längeres Chain-of-Thought-Reasoning.

Phi-4 Multimodal Instruct unterstützt Text, Bilder und Sprache als Eingabe.

Phi-4 Multimodal Instruct unterstützt Text als Ausgabe.

Ja, Phi-4 Multimodal Instruct unterstützt Bildeingaben und kann Bilder analysieren, beschreiben und Fragen dazu beantworten.

Ja, Phi-4 Multimodal Instruct ist multimodal. Es kann Text, Bilder und Sprache als Eingabe verarbeiten und Text als Ausgabe erzeugen.

Phi-4 Multimodal Instruct hat ein Kontextfenster von 130k Tokens. Es bestimmt, wie viel Text und Gesprächsverlauf das Modell in einer einzelnen Anfrage verarbeiten kann.

Ja, Phi-4 Multimodal Instruct hat offene Gewichte. Die Modellgewichte sind öffentlich verfügbar und können zum Selbsthosten heruntergeladen werden.

Phi-4 Multimodal Instruct hat 5,6 Milliarden Parameter.

Phi-4 Multimodal Instruct wird unter der Lizenz MIT veröffentlicht. Diese Lizenz erlaubt die kommerzielle Nutzung. Lizenz anzeigen

Phi-4 Multimodal Instruct erzielt im Artificial Analysis Intelligence Index einen Wert von 5. Dieser zusammengesetzte Benchmark bewertet Modelle in den Bereichen Schlussfolgern, Wissen, Mathematik und Programmierung.

Der Wissensstichtag von Phi-4 Multimodal Instruct ist Juni 2024. Die Trainingsdaten des Modells enthalten Informationen bis zu diesem Datum.

Ja, Phi-4 Multimodal Instruct ist über 1 Anbieter per API verfügbar. API-Anbieter vergleichen

Phi-4 Multimodal Instruct ist über 1 API-Anbieter verfügbar. Anbieter vergleichen