Phi 4
4099°
Ejecutar este modelo
Ofertas / Anuncios
Microsoft | contexto de 16,384 tokens | $0.07/M entrada, $0.14/M salida. [Microsoft Research](/microsoft) Phi-4 está diseñado para desempeñarse bien en tareas complejas de razonamiento y puede operar eficientemente en situaciones con memoria limitada o donde se requieren respuestas rápidas. Con 14 mil millones...
Guías para este modelo
Ollama vs LM Studio (2026): qué app local de IA usar y qué modelos principales corre cada una
Mejor LLM local según el uso (octubre 2026): el modelo abierto adecuado para cada tarea
¿Cuánta VRAM necesito realmente para IA local?
¿Qué es un archivo GGUF? Modelos cuantizados explicados (Q4, Q8, fp8, NF4)
Notas del capitán
Notas del 2026-10-13
Phi-4 es un modelo de texto de 14 mil millones de parámetros de Microsoft Research, entrenado con una mezcla cuidadosamente seleccionada de datos sintéticos, libros académicos y contenido web filtrado, con un enfoque deliberado en la calidad del razonamiento más que en la escala bruta. Funciona bajo licencia MIT, por lo que puedes descargar los pesos y usarlos comercialmente sin pedir permiso. Si necesitas un modelo de razonamiento capaz que quepa en una GPU de consumo, esta es una de las opciones más serias en ese tamaño.
Conocido por
- Razonamiento complejo fuerte en relación con sus 14 mil millones de parámetros
- Licencia MIT: descarga, modifica y despliega comercialmente sin restricciones
- Entrenado con 9.8T tokens con fuerte énfasis en la calidad de los datos
- Suficientemente eficiente para despliegues con memoria limitada o sensibles a la latencia
- Ajuste fino supervisado y optimización directa de preferencias para seguir instrucciones
Cuidado con
- Ventana de contexto de 16K tokens — corta según estándares actuales; no apta para documentos largos.
- Principalmente en inglés; Microsoft indica que no ha sido evaluado específicamente para otros idiomas.
- Corte de conocimiento en junio de 2024 o antes; eventos recientes no estarán en sus datos de entrenamiento.
Prompts para probar
Rompecabezas lógico de múltiples pasos
Cinco personas — Alice, Ben, Cara, Dan y Eve — poseen exactamente una mascota cada una: un gato, perro, pez, conejo o loro. Alice no tiene el pez. Ben tiene el loro. Cara tiene el conejo. Dan no tiene el gato. ¿Quién tiene el pez y quién tiene el gato? Muestra tu razonamiento paso a paso.
Refactorizar para claridad
Refactoriza esta función en Python para que sea más fácil de leer y maneje el caso en que la lista de entrada esté vacía. Explica cada cambio que hagas y por qué mejora el código.
def calc(lst):
t=0
for i in lst:
t=t+i
return t/len(lst)
Estimación Fermi paso a paso
Estima cuántos afinadores de piano trabajan en una ciudad de dos millones de habitantes. Explica cada suposición que hagas, asigna un número aproximado a cada una y muestra cómo se combinan en una estimación final. Luego indica cuál suposición es la más probable que esté equivocada y en qué dirección.
Comparar con
- Space Bunny AlphaModelo solo APIContexto de 1,000,000 tokens · gratis para usar
- Solar Pro 4Modelo solo APIContexto de 524,288 tokens · $0.09/M entrada, $0.36/M salida
- Gemini 2.5 FlashModelo solo APIContexto de 1,048,576 tokens · $0.30/M entrada, $2.50/M salida
- Qwen3 30B A3B Thinking 2507Modelo solo APIContexto de 81,920 tokens · $0.20/M entrada, $2.40/M salida
Más modelos de texto de microsoft
Preguntas frecuentes
- ¿Puedo ejecutar Phi-4 localmente?
- Sí — los pesos son abiertos bajo licencia MIT y están disponibles en Hugging Face en microsoft/phi-4, por lo que puedes ejecutarlo localmente con herramientas como Ollama o LM Studio. Con 14B parámetros generalmente necesitarás entre 12 y 16 GB de VRAM para inferencia cómoda.
- ¿Cuánto cuesta Phi-4 vía API?
- Microsoft lo cobra a $0.07 por millón de tokens de entrada y $0.14 por millón de tokens de salida, lo que lo sitúa en el extremo más barato de los modelos alojados; la licencia MIT también permite autoalojarlo para evitar costos por token.
- ¿En qué se diferencia Phi-4 de modelos más grandes?
- Phi-4 sacrifica escala bruta por calidad de datos: Microsoft lo entrenó con datos sintéticos y académicos cuidadosamente seleccionados para sobresalir en tareas de razonamiento, siendo una opción práctica cuando no puedes permitir la memoria o latencia de un modelo clase 70B.
Veredicto del capitánUn modelo pequeño genuinamente útil si la calidad del razonamiento te importa más que la longitud del contexto o la amplitud multilingüe.
Ficha del modelo en Hugging Face
El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Cómo se suma esta puntuación
Este modelo aún no tiene datos de popularidad de ninguna fuente, así que lleva un número provisional por debajo de 7,000° que mantiene las listas completas. Nunca se posiciona por encima de un modelo con datos. El desglose aparece aquí tan pronto como una fuente lo reporte.
Glosario: los términos usados aquí
- Puntuación heat
- Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
- Piso
- Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
- Equivalentes a descargas
- Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
- Escala logarítmica
- Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
- Likes
- Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
- Tasa de adopción
- Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
- Medido y estimado
- Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
- Seeder
- Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
- AI Horde
- Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
- Sitios de generación
- Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
- Tokens de OpenRouter
- Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
- LoRA y embedding
- Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
- Familia y pesos
- La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
- Antigüedad
- Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
- Impulso de familia
- Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
- Puntaje provisional
- Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
- ¡Nuevo! (periodo de gracia)
- Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
- Tendencia
- Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
- Modelo típico
- El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.
Phi 4 es un modelo de texto para la familia Text / LLM listado en ModelTrends.ai, un catálogo de solo lectura de modelos de IA de imagen, vídeo y texto de código abierto. Compáralo con otros modelos Text / LLM y consulta su puntuación de calor para ver su tendencia.
Más modelos Text / LLMMás Texto / LLM de Text / LLMllmmicrosoftrazonamientomatemáticasprogramaciónlocalpresupuesto
Explorar por familia de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153