Phi-4 logo
Microsoft
•

Open weights model

•

Released December 2024

Phi-4 지능, 성능 및 가격 분석

API 제공업체 벤치마크

모델 요약

지능

5
Artificial Analysis Intelligence Index
지능: 4단계 중 2단계.

속도

N/A
초당 출력 토큰 수
속도: 4단계 중 알 수 없음.

입력 가격

US$0.125
100만 토큰당 USD
입력 가격: 4단계 중 3단계.

출력 가격

US$0.50
100만 토큰당 USD
출력 가격: 4단계 중 4단계.

장황성

N/A
Intelligence Index의 출력 토큰 수
장황성: 4단계 중 알 수 없음.

크기가 비슷한 다른 비추론 오픈 웨이트 모델과 비교하면 Phi-4의 지능은 평균보다 낮고, 가격은 다소 비쌉니다. 이 모델의 지원 입력은 텍스트, 출력은 텍스트이며, 컨텍스트 창은 16k토큰이고 학습 데이터 기준일은 2024년 6월입니다.

Phi-4의 Artificial Analysis Intelligence Index 점수는 5점으로, 비교 가능한 모델 중 평균 이하입니다(중앙값: 6).

Phi-4의 입력 토큰 100만 개당 가격은 $0.13(다소 비싼 가격, 중앙값: $0.05)이며, 출력 토큰 100만 개당 가격은 $0.50(비싼 가격, 중앙값: $0.15)입니다.

추론아니요

이 페이지에는 모델의 비추론 버전이 표시됩니다.

추론 버전도 있을 수 있습니다.

입력 모달리티

지원: 텍스트

출력 모달리티

지원: 텍스트

학습 데이터 기준일2024. 6. 1.
컨텍스트 창16k
Arial 12포인트 기준 A4 약 24페이지
총 파라미터 수14B
라이선스MIT
모델 웨이트Hugging Face

동일한 등급의 모델과 지표를 비교합니다.

  • 비추론 모델 → 다른 비추론 모델과만 비교
  • 추론 모델 → 추론 및 비추론 모델 모두와 비교
  • 오픈 웨이트 모델 → 같은 크기 등급의 다른 오픈 웨이트 모델과만 비교:
    • 초소형: 파라미터 ≤4B
    • 소형: 파라미터 4B~40B
    • 중형: 파라미터 40B~150B
    • 대형: 파라미터 >150B
  • 독점 모델 → 입력/출력 가격을 3:1로 혼합해 같은 가격대의 독점 모델 및 오픈 웨이트 모델과 비교:
    • 100만 토큰당 <$0.15
    • 100만 토큰당 $0.15~$1
    • 100만 토큰당 >$1

주요 내용

지능

Artificial Analysis Intelligence Index · Higher is better

속도

Output tokens per second · Higher is better

작업당 비용

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

지능

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).

벤치마크

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.

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.
Reasoning models are indicated by a lightbulb icon

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

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

Intelligence Index 비교

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.

비용

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.

컨텍스트 창

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).

모델 크기(오픈 웨이트 모델만 해당)

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.

자주 묻는 질문

Phi-4에 관한 일반적인 질문

Phi-4 모델은 2024년 12월 12일에 출시되었습니다.

Phi-4 모델은 Microsoft에서 개발했습니다.

Phi-4의 Artificial Analysis Intelligence Index 추정 점수는 5점으로, 크기가 비슷한 다른 비추론 오픈 웨이트 모델 중 평균 이하입니다(중앙값: 6).

Phi-4의 입력 토큰 100만 개당 가격은 $0.13(평균보다 낮음, 중앙값: $0.15)이며, 출력 토큰 100만 개당 가격은 $0.50(평균보다 다소 높음, 중앙값: $0.34)입니다(Microsoft API 기준).

Phi-4의 입력 토큰 100만 개당 가격은 $0.13, 출력 토큰 100만 개당 가격은 $0.50입니다(Microsoft API 기준). 캐시 적중/입력/출력 비율을 7:2:1로 가정한 혼합 가격은 100만 토큰당 $0.16입니다. 가격은 제공업체마다 다를 수 있습니다. 제공업체 가격 비교

아니요. Phi-4 모델은 추론 모델이 아닙니다. 확장된 연쇄적 사고 추론 없이 바로 답변합니다.

Phi-4 모델은 텍스트 입력을 지원합니다.

Phi-4 모델은 텍스트 출력을 지원합니다.

아니요. Phi-4 모델은 이미지 입력을 지원하지 않으며 텍스트만 처리할 수 있습니다.

아니요. Phi-4 모델은 멀티모달 모델이 아니며 텍스트 입력만 지원합니다.

Phi-4의 컨텍스트 창은 16k토큰입니다. 모델이 단일 요청에서 처리할 수 있는 텍스트와 대화 기록의 양을 결정합니다.

예. Phi-4 모델은 오픈 웨이트이며 모델 웨이트가 공개되어 있어 다운로드한 뒤 자체 호스팅할 수 있습니다.

Phi-4의 파라미터 수는 14B입니다.

Phi-4 모델은 MIT 라이선스로 공개되었으며 상업적 이용이 허용됩니다. 라이선스 보기

Phi-4의 Artificial Analysis Intelligence Index 점수는 5점입니다. 이 종합 벤치마크는 추론, 지식, 수학, 코딩 전반에서 모델을 평가합니다.

Phi-4의 학습 데이터 기준일은 2024년 6월입니다. 모델의 학습 데이터에는 이 날짜까지의 정보가 포함됩니다.

예. Phi-4 모델은 API 제공업체 2곳을 통해 제공됩니다. API 제공업체 비교

Phi-4 모델은 API 제공업체 2곳을 통해 제공됩니다. 제공업체 비교