Phi 系列（微软）

Name: Phi 系列（微软）
Brand: Microsoft Research
Rating: 4.5 (1 reviews)

参数量Phi-3.5-mini（3.8B）/ Phi-4（14B）

模型类型小规模高质量语言模型（SLM）

许可证MIT

开发者Microsoft Research

★★★★★ 4.5

微软「小而强」，小模型逆袭大模型能力

英文代码数学开源小模型

模型介绍

Phi 是微软研究院的「小而强」小语言模型系列，用高质量网页/书籍/合成数据训练，验证了「尺寸小也能强」的路线：2024 年的 Phi-4（14B）在数学与编程基准上对标多倍参数模型，2025 年的 Phi-4-mini（3.8B）则可跑在手机级设备。2026 年起微软将该系列定位转向浏览器 Agent（如基于 Qwen3.5 的 Fara1.5 27B），Phi 主线作为轻量快速基线依然广泛适用。对低显存、低延迟、高吞吐场景，Phi 是极具性价比的选择。

模型基本信息

开发机构Microsoft Research

模型版本Phi-4 / Phi-4-mini

参数规模Phi-3-mini 3.8B；Phi-4 14B；Phi-4-mini 3.8B；Phi-3.5-MoE 16x3.8B

模型类型文本对话 / 推理 / 代码

许可证MIT

上下文长度128K（Phi-4-mini / Phi-3.5 支持）；16K（Phi-4 14B）

发布日期2024-12-11（Phi-4）；2025-02-19（Phi-4-mini）

模型架构Decoder-only Transformer + Sliding Window Attention + GQA（Microsoft 自研 tokenizer）；14B 为稠密

模型能力

中文能力中（弱于国产）

英文能力很强

代码能力很强

推理能力很强（数学/STEM）

长文本能力中（16K~128K）

视觉能力弱（另有 visual 变体）

工具调用中

模型版本

Phi-414BPhi-4-mini-instruct3.8BPhi-3.5-MoE16x3.8B MoEPhi-3.5-mini-instruct3.8BPhi-3-small-128k7B

模型获取

Hugging FaceModelScopeOllama官方页面

部署方式

OllamaLM Studiollama.cppvLLMtransformersONNX Runtime

显存需求

Phi-3.5-mini 3.8B Q4约3GB

Phi-4-mini 3.8B Q4约3GB

Phi-4 14B Q4约9GB

硬件推荐

RTX 3060Phi-4 14B（Q4）

RTX 3090Phi-4 FP16 舒适

RTX 4090并发吞吐优势明显

RTX 5090小模型高并发/低延迟场景

MacApple Silicon 3.8B~14B 流畅

为什么选择这个模型

小尺寸实现大模型级数学/代码能力
3.8B 手机/CPU 可跑
MIT 完全可商用
低延迟高吞吐非常适合生产服务

模型优点

数学/编程/STEM 强
3.8B 极低门槛
MIT 可商用
Azure 生态整合
低延迟适合边缘

模型缺点

世界知识有限、易幻觉
中文明显弱
开放域闲聊表现一般
长上下文能力有限
多模态需变体

适合场景

数学推理/逻辑问答
结构化数据处理
端侧与嵌入式
低成本高并发 API 服务
代码片段生成

不适合场景

中文长文创作
开放域知识问答
多模态任务
鲁棒性敏感的生产环境（幻觉）

部署教程

Ollama

ollama run phi4:14b（或 phi3.5:3.8b 轻量）

LM Studio

LM Studio 搜索 microsoft/phi-4 下载 GGUF → 加载 → 使用

llama.cpp

./llama-cli -m phi-4-q4_k_m.gguf -p 提示词 -ngl 999

vLLM

pip install vllm && vllm serve microsoft/Phi-4

智算工坊实验室

实测速度Phi-4 14B Q4 实测 ≈30-35 token/s（RTX 3060）；3.8B ≈50+ token/s

显存占用14B Q4 约9GB；3.8B Q4 约3GB

功耗RTX 3060 满载约170W

不同 GPU 对比3.8B 在核显也能跑；14B 在 12GB 卡顺畅，3090/4090 几乎满速

常见问题 FAQ

Phi 适合什么场景？

数学、逻辑、代码、结构化问答等能力密集型轻任务最合适；不要拿来做中文创作或开放域闲聊。

Phi-4 与 Phi-3.5 怎么选？

Phi-4（14B）能力更强但更重；Phi-3.5-mini/MoE 更轻、128K 上下文，端侧与低配卡首选。

数据来源

https://huggingface.co/microsoft/Phi-4
https://huggingface.co/microsoft/phi-4-mini-instruct
https://azure.microsoft.com/en-us/blog/introducing-phi-4-microsofts-newest-small-language-model/
https://ollama.com/library/phi4

Phi 系列（微软） - 模型中心