微软在去年12月12日首次展示了Phi-4模型，该模型拥有140亿参数，但表现极为强大。在多项测试中表现优异：
- GPQA（研究生水平问答）和MATH数学基准测试中，Phi-4的表现超过了OpenAI的GPT-4o，并超越同类顶级开源模型Qwen 2.5 - 14B和Llama 3.3 - 70B。
- 在美国数学竞赛AMC测试中，Phi-4取得了91.8分，超过了Gemini Pro 1.5、GPT-4o、Claude 3.5 Sonnet、Qwen 2.5等知名开闭源模型。
- 其整体性能甚至媲美4050亿参数的Llama 3.1模型。
总结来看，Phi-4在参数量相对较小的情况下，展现出极高的性能与竞争力。
今天Phi-4正式发布，于是满怀激情的再试一把（之前试过提前发布的版本）。下面把试用的过程分享出来。
用ollama下载Phi-4：
用SemanticKernel+ollama跑案全：
using Microsoft.Extensions.DependencyInjection; using Microsoft.Extensions.Logging; using Microsoft.SemanticKernel; using Microsoft.SemanticKernel.ChatCompletion; using Microsoft.SemanticKernel.Connectors.Ollama; using Microsoft.SemanticKernel.Connectors.OpenAI; using OllamaSharp; using OpenAI.RealtimeConversation; using System; using System.ComponentModel; #pragma warning disable SKEXP0001 #pragma warning disable SKEXP0010 #pragma warning disable SKEXP0070 await Call();async Task Call1() {var ollamaApiClient = new OllamaApiClient(new Uri("http://localhost:11434"), "phi4:latest");var builder = Kernel.CreateBuilder();builder.Services.AddScoped<IChatCompletionService>(_ => ollamaApiClient.AsChatCompletionService());var kernel = builder.Build();var chatService = kernel.GetRequiredService<IChatCompletionService>();while (true){Console.Write("用户：");var input = Console.ReadLine();if (string.IsNullOrWhiteSpace(input)){break;}var response = chatService.GetStreamingChatMessageContentsAsync(input);var content = "";var role = AuthorRole.Assistant;Console.ForegroundColor = ConsoleColor.Green;Console.Write("助手：");await foreach (var message in response){Console.Write($"{message.Content}");content += message.Content;role = message.Role.Value;}Console.WriteLine();Console.ResetColor();} }
先试一个常见的逻辑题：
再来个文雅的内容生成题：
再来一个翻译：
为了对比，把Google的翻译拿上来作对比：
最后再和CahtGPT 4o作个对比：
总体体验下来，作为一个SLM人是十分满意的，用在生产中是相当可以的，不过现在还不支持function calling，另外上面的测试都是在自己的笔记本上跑的，速度是能接受的，如果跑生产，上个显卡，应该就能提速，按理这都不是事。我给phi4打85分，等有了function calling就完美了。
文章来源微信公众号
想要更快更方便的了解相关知识，可以关注微信公众号
