Análise de inteligência, desempenho e preço do Phi-4 Multimodal Instruct
Resumo do modelo
Inteligência
Velocidade
Preço de entrada
Preço de saída
Verbosidade
Phi-4 Multimodal Instruct está abaixo da média em inteligência, mas tem preço competitivo em comparação com outros modelos sem raciocínio, de pesos abertos e tamanho semelhante. O modelo aceita entrada em texto, imagem e fala, gera saída em texto e tem uma janela de contexto de 128k tokens, com conhecimento até junho de 2024.
Phi-4 Multimodal Instruct alcança 5 pontos no Artificial Analysis Intelligence Index, ficando abaixo da média entre os modelos comparáveis (mediana: 6).
O preço do Phi-4 Multimodal Instruct é de $0.00 por 1M de tokens de entrada (preço competitivo, mediana: $0.05) e $0.00 por 1M de tokens de saída (preço competitivo, mediana: $0.15).
Com 18 tokens por segundo, Phi-4 Multimodal Instruct é especialmente lento (101).
| Raciocínio | Não Esta página mostra a versão sem raciocínio deste modelo. Também pode existir uma variante com raciocínio. |
|---|---|
| Modalidade de entrada | Compatível com: texto, imagem e fala |
| Modalidade de saída | Compatível com: texto |
| Data-limite do conhecimento | 1 de jun. de 2024 |
| Janela de contexto | 128k ~192 páginas A4 em fonte Arial tamanho 12 |
| Parâmetros totais | 5.6B |
| Licença | MIT |
| Pesos do modelo | Hugging Face |
As métricas são comparadas com modelos da mesma classe:
- Modelos sem raciocínio → comparados apenas com outros modelos sem raciocínio
- Modelos de raciocínio → comparados com modelos com e sem raciocínio
- Modelos de pesos abertos → comparados apenas com outros modelos de pesos abertos da mesma classe de tamanho:
- Muito pequeno: ≤4B parâmetros
- Pequeno: 4B–40B parâmetros
- Médio: 40B–150B parâmetros
- Grande: >150B parâmetros
- Modelos proprietários → comparados com modelos proprietários e de pesos abertos da mesma faixa de preço, usando uma proporção combinada de 3:1 entre os preços de entrada e saída:
- <$0.15 por 1M de tokens
- $0.15–$1 por 1M de tokens
- >$1 por 1M de tokens
Destaques
Inteligência
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
Openness Index
Artificial Analysis Openness Index: Score
Comparações do Intelligence Index
Intelligence Index vs. Cost per Intelligence Index Task
Custo
Cost per Intelligence Index Task
Cost to Run Artificial Analysis Intelligence Index
Pricing: Cache Hit, Input, and Output
Janela de contexto
Context Window
Velocidade
Medida pela velocidade de saída (tokens por segundo)
Output Speed
Time per Intelligence Index Task
Latência
Medida pelo tempo (segundos) até o primeiro token
Latency: Time To First Answer Token
Tempo de resposta de ponta a ponta
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
Tamanho do modelo (somente modelos de pesos abertos)
Model Size: Total and Active Parameters
Perguntas frequentes
Perguntas comuns sobre o Phi-4 Multimodal Instruct
O Phi-4 Multimodal Instruct foi lançado em 26 de fevereiro de 2025.
Microsoft criou o Phi-4 Multimodal Instruct.
Phi-4 Multimodal Instruct alcança 5 pontos (estimativa) no Artificial Analysis Intelligence Index, ficando abaixo da média entre outros modelos sem raciocínio, de pesos abertos e tamanho semelhante (mediana: 6).
Phi-4 Multimodal Instruct gera a saída a 17.7 tokens por segundo (com base na API de Microsoft), um resultado na faixa inferior em comparação com outros modelos sem raciocínio, de pesos abertos e tamanho semelhante (mediana: 100.7 t/s).
Phi-4 Multimodal Instruct tem um tempo até o primeiro token (TTFT) de 0.81s (com base na API de Microsoft), um resultado muito competitivo em comparação com outros modelos sem raciocínio, de pesos abertos e tamanho semelhante (mediana: 1.72s).
Não, o Phi-4 Multimodal Instruct não é um modelo de raciocínio. Ele fornece respostas diretas, sem raciocínio em cadeia prolongado.
Phi-4 Multimodal Instruct aceita entrada em texto, imagem e fala.
Phi-4 Multimodal Instruct permite saída em texto.
Sim, o Phi-4 Multimodal Instruct aceita imagens como entrada e pode analisá-las, descrevê-las e responder a perguntas sobre elas.
Sim, o Phi-4 Multimodal Instruct é multimodal. Ele consegue processar entrada em texto, imagem e fala e gerar saída em texto.
Phi-4 Multimodal Instruct tem uma janela de contexto de 130k tokens. Isso determina quanto texto e histórico da conversa o modelo consegue processar em uma única solicitação.
Sim, o Phi-4 Multimodal Instruct é um modelo de pesos abertos. Os pesos estão disponíveis publicamente e podem ser baixados para auto-hospedagem.
Phi-4 Multimodal Instruct tem 5,6 bilhões parâmetros.
Phi-4 Multimodal Instruct foi lançado sob a licença MIT. Essa licença permite o uso comercial. Ver licença
Phi-4 Multimodal Instruct alcança 5 pontos no Artificial Analysis Intelligence Index. Esse benchmark composto avalia os modelos em raciocínio, conhecimento, matemática e programação.
A data-limite do conhecimento do Phi-4 Multimodal Instruct é junho de 2024. Os dados de treinamento do modelo incluem informações até essa data.
Sim, o Phi-4 Multimodal Instruct está disponível por API em 1 provedor. Comparar provedores de API
Phi-4 Multimodal Instruct está disponível em 1 provedor de API. Comparar provedores