Análisis de inteligencia, rendimiento y precio de Phi-4 Multimodal Instruct
Resumen del modelo
Inteligencia
Velocidad
Precio de entrada
Precio de salida
Verbosidad
Phi-4 Multimodal Instruct está por debajo del promedio en inteligencia, pero tiene un precio muy competitivo en comparación con otros modelos sin razonamiento, de pesos abiertos y tamaño similar. El modelo admite entrada de texto, imágenes y voz, genera texto y tiene una ventana de contexto de 128k tokens con conocimientos hasta junio de 2024.
Phi-4 Multimodal Instruct obtiene 5 puntos en el Índice de Inteligencia de Artificial Analysis, lo que lo sitúa por debajo del promedio entre modelos comparables (con una mediana de 6).
El precio de Phi-4 Multimodal Instruct es de $0.00 por 1 M de tokens de entrada (muy competitivo; mediana: $0.05) y $0.00 por 1 M de tokens de salida (muy competitivo; mediana: $0.15).
Con 18 tokens por segundo, Phi-4 Multimodal Instruct es notablemente lento (97).
| Razonamiento | No Esta página muestra la versión sin razonamiento de este modelo. También puede existir una variante con razonamiento. |
|---|---|
| Modalidad de entrada | Admite: texto, imágenes y voz |
| Modalidad de salida | Admite: texto |
| Fecha límite de conocimiento | 1 jun 2024 |
| Ventana de contexto | 128k ~192 páginas A4 con fuente Arial de 12 puntos |
| Parámetros totales | 5.6B |
| Licencia | MIT |
| Pesos del modelo | Hugging Face |
Las métricas se comparan con modelos de la misma clase:
- Modelos sin razonamiento → se comparan solo con otros modelos sin razonamiento
- Modelos de razonamiento → se comparan tanto con modelos de razonamiento como sin razonamiento
- Modelos de pesos abiertos → se comparan solo con otros modelos de pesos abiertos de la misma categoría de tamaño:
- Muy pequeño: ≤4B parámetros
- Pequeño: 4B–40B parámetros
- Mediano: 40B–150B parámetros
- Grande: >150B parámetros
- Modelos propietarios → se comparan con modelos propietarios y de pesos abiertos del mismo rango de precio mediante una proporción combinada de precios de entrada/salida de 3:1:
- <$0.15 por 1 M de tokens
- $0.15–$1 por 1 M de tokens
- >$1 por 1 M de tokens
Aspectos destacados
Inteligencia
Artificial Analysis Intelligence Index
Artificial Analysis Intelligence Index by Open Weights / Proprietary
Intelligence Evaluations
Agentic real-world work tasks, (Elo-500)/2000
Agentic tool use
Agentic coding & terminal use
Coding
Reasoning & knowledge
Scientific reasoning
Physics reasoning
Knowledge
1 - hallucination rate
Long context reasoning
Agentic knowledge work, Elo
Agentic SaaS workflows
Legal agentic work, criterion pass rate
Agentic business operations
Instruction following
Long-horizon agentic tasks
Kubernetes incident root-cause analysis
Visual reasoning
Índice de apertura
Artificial Analysis Openness Index: Score
Comparaciones del Índice de Inteligencia
Intelligence Index vs. Cost per Intelligence Index Task
Costo
Cost per Intelligence Index Task
Cost to Run Artificial Analysis Intelligence Index
Pricing: Cache Hit, Input, and Output
Ventana de contexto
Context Window
Velocidad
Medida por la velocidad de salida (tokens por segundo)
Output Speed
Time per Intelligence Index Task
Latencia
Medida por el tiempo (segundos) hasta el primer token
Latency: Time To First Answer Token
Tiempo de respuesta de extremo a extremo
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
Tamaño del modelo (solo modelos de pesos abiertos)
Model Size: Total and Active Parameters
Preguntas frecuentes
Preguntas comunes sobre Phi-4 Multimodal Instruct
Phi-4 Multimodal Instruct se lanzó el 26 de febrero de 2025.
Phi-4 Multimodal Instruct fue creado por Microsoft.
Phi-4 Multimodal Instruct obtiene 5 puntos (estimados) en el Índice de Inteligencia de Artificial Analysis, lo que lo sitúa por debajo del promedio entre otros modelos sin razonamiento, de pesos abiertos y tamaño similar (mediana: 6).
Phi-4 Multimodal Instruct genera 17.6 tokens de salida por segundo (según la API de Microsoft), un valor en el extremo inferior frente a otros modelos sin razonamiento, de pesos abiertos y tamaño similar (mediana: 97.3 t/s).
Phi-4 Multimodal Instruct tiene un tiempo hasta el primer token (TTFT) de 0.81 s (según la API de Microsoft), un valor muy competitivo frente a otros modelos sin razonamiento, de pesos abiertos y tamaño similar (mediana: 1.85 s).
No, Phi-4 Multimodal Instruct no es un modelo de razonamiento. Responde directamente sin razonamiento extendido en cadena.
Phi-4 Multimodal Instruct admite entrada de texto, imágenes y voz.
Phi-4 Multimodal Instruct admite salida de texto.
Sí, Phi-4 Multimodal Instruct admite imágenes como entrada y puede analizarlas, describirlas y responder preguntas sobre ellas.
Sí, Phi-4 Multimodal Instruct es multimodal. Puede procesar entradas de texto, imágenes y voz y generar salidas de texto.
Phi-4 Multimodal Instruct tiene una ventana de contexto de 130k tokens. Esto determina cuánto texto e historial de conversación puede procesar el modelo en una sola solicitud.
Sí, Phi-4 Multimodal Instruct es un modelo de pesos abiertos. Los pesos del modelo están disponibles públicamente y pueden descargarse para alojarlo por cuenta propia.
Phi-4 Multimodal Instruct tiene 5,6 mil millones de parámetros.
Phi-4 Multimodal Instruct se publica bajo la licencia MIT, que permite el uso comercial. Ver licencia
Phi-4 Multimodal Instruct obtiene 5 puntos en el Índice de Inteligencia de Artificial Analysis. Este benchmark compuesto evalúa los modelos en razonamiento, conocimiento, matemáticas y programación.
La fecha límite de conocimiento de Phi-4 Multimodal Instruct es junio de 2024. Sus datos de entrenamiento incluyen información hasta esa fecha.
Sí, Phi-4 Multimodal Instruct está disponible mediante API a través de 1 proveedor. Comparar proveedores de API
Phi-4 Multimodal Instruct está disponible a través de 1 proveedor de API. Comparar proveedores