Phi-4 er Microsoft Researchs tætte transformer med 14 mia. parametre og udelukkende dekoder til tekstgenerering. Udviklingen fokuserer på træningsmateriale af høj kvalitet og avanceret ræsonnering i en relativt kompakt model. Den modtager tekst, egner sig bedst til en chatformateret prompt og genererer et tekstligt svar, en forklaring eller kode. Den præcise Phi-4-udgave er adskilt fra senere ræsonnerings-, mini- og multimodale udgivelser.
Producenten kombinerer kvalitetsfiltrerede offentlige dokumenter og kode, nyoprettede syntetiske undervisningsdata, erhvervede akademiske bøger og datasæt med spørgsmål og svar. Det syntetiske materiale underviser i matematik, programmering, hverdagsræsonnering og almen viden. Superviseret finjustering og direkte præferenceoptimering forbedrer derefter efterlevelse af instruktioner og svaradfærd.
Producenten positionerer Phi-4 som en byggesten til applikationer med begrænset hukommelse eller beregningskapacitet, behov for interaktive svar og ræsonnerings- eller logikopgaver, primært på engelsk. Giv en opgave den fulde betingelse og de kildeoplysninger, der kræves for at besvare den. Ved et matematisk problem skal du definere variablerne, begrænsningerne for definitionsmængden og resultatets form; ved en forklaring skal du identificere målgruppen og de begreber, den skal forbinde.
En nyttig brief er: »Sammenlign disse betingelser, identificer, om den foreslåede løsning opfylder hver af dem, og forklar den første fejl. Angiv eventuelle manglende oplysninger, før du drager en konklusion.« Ved et kildebaseret spørgsmål skal du mærke passagerne og bede om det fund, hver af dem understøtter. Bed om et svar, der bevarer navne, enheder og antagelser, som påvirker resultatet.
En længere prompt bør stadig have ét klart formål. Den offentliggjorte kontekst er 16K tokens og indeholder instruktioner, kildetekst, samtale og genereret svar samlet. Hold relevant dokumentation i inputtet, og reserver plads til den endelige forklaring. Kortets eksempel på genereringsbudget er illustrativt og fastslår ikke en separat universel maksimal svarlængde.
Phi-4 kan foreslå kode, forklare en funktion eller ræsonnere sig gennem et fejlende input. Lever implementeringen, den forventede adfærd og et repræsentativt tilfælde, der kendetegner et korrekt resultat. Bed om koderesultatet adskilt fra forklaringen, og identificer de grænseflader, der skal forblive intakte.
Producenten bemærker, at størstedelen af kodetræningen er Python-baseret, især almindelige pakker i standardbiblioteket. Brug af andre pakker eller andre programmeringssprog kræver omhyggelig API-verificering. En genereret funktion eller et script er ikke kørt, blot fordi det ser komplet ud; kør det i det tilsigtede miljø, og brug de faktiske fejl eller observationer til at revidere resultatet.
Producentens promptrepræsentation adskiller system-, bruger- og assistentmeddelelser. En systeminstruktion kan definere rollen eller svarstilen, mens brugermeddelelsen indeholder det faktiske problem. Bevar den præcise models format frem for at kopiere en senere Phi-skabelon eller antage en billedinput- eller værktøjskaldsfunktion fra en anden udgave.
Phi-4 er primært trænet på engelsk og er ikke beregnet som en flersproget model. Andre sprog og mindre repræsenterede engelske varianter kan have dårligere ydeevne. Lever præcis ordlyd for tekniske navne, og vurder svaret på det sprog, opgaven kræver, frem for at betragte den lille flersprogede andel af træningsdataene som bred sprogunderstøttelse.
Træningens grænse for offentlige data er juni 2024 og tidligere. Ved aktuelle eller kildefølsomme påstande skal du levere autoritativt materiale i prompten. Microsoft identificerer også muligt unøjagtigt, forældet eller skævt output trods tilpasning. Kontroller det endelige svar mod problemets betingelser og kilder. Det nyttige resultat er en tekstlig løsning, forklaring eller et kodeforslag, hvis antagelser og understøttende dokumentation forbliver tydelige.
", "aboutText": "Phi-4 er Microsoft Researchs tætte transformer med 14 mia. parametre og udelukkende dekoder til tekstgenerering. Udviklingen fokuserer på træningsmateriale af høj kvalitet og avanceret ræsonnering i en relativt kompakt model. Den modtager tekst, egner sig bedst til en chatformateret prompt og genererer et tekstligt svar, en forklaring eller kode. Den præcise Phi-4-udgave er adskilt fra senere ræsonnerings-, mini- og multimodale udgivelser.\n\n### Træning og tilsigtet brug\n\nProducenten kombinerer kvalitetsfiltrerede offentlige dokumenter og kode, nyoprettede syntetiske undervisningsdata, erhvervede akademiske bøger og datasæt med spørgsmål og svar. Det syntetiske materiale underviser i matematik, programmering, hverdagsræsonnering og almen viden. Superviseret finjustering og direkte præferenceoptimering forbedrer derefter efterlevelse af instruktioner og svaradfærd.\n\nProducenten positionerer Phi-4 som en byggesten til applikationer med begrænset hukommelse eller beregningskapacitet, behov for interaktive svar og ræsonnerings- eller logikopgaver, primært på engelsk. Giv en opgave den fulde betingelse og de kildeoplysninger, der kræves for at besvare den. Ved et matematisk problem skal du definere variablerne, begrænsningerne for definitionsmængden og resultatets form; ved en forklaring skal du identificere målgruppen og de begreber, den skal forbinde.\n\n### Ræsonnering ud fra et klart problem\n\nEn nyttig brief er: »Sammenlign disse betingelser, identificer, om den foreslåede løsning opfylder hver af dem, og forklar den første fejl. Angiv eventuelle manglende oplysninger, før du drager en konklusion.« Ved et kildebaseret spørgsmål skal du mærke passagerne og bede om det fund, hver af dem understøtter. Bed om et svar, der bevarer navne, enheder og antagelser, som påvirker resultatet.\n\nEn længere prompt bør stadig have ét klart formål. Den offentliggjorte kontekst er 16K tokens og indeholder instruktioner, kildetekst, samtale og genereret svar samlet. Hold relevant dokumentation i inputtet, og reserver plads til den endelige forklaring. Kortets eksempel på genereringsbudget er illustrativt og fastslår ikke en separat universel maksimal svarlængde.\n\n### Programmeringshjælp\n\nPhi-4 kan foreslå kode, forklare en funktion eller ræsonnere sig gennem et fejlende input. Lever implementeringen, den forventede adfærd og et repræsentativt tilfælde, der kendetegner et korrekt resultat. Bed om koderesultatet adskilt fra forklaringen, og identificer de grænseflader, der skal forblive intakte.\n\nProducenten bemærker, at størstedelen af kodetræningen er Python-baseret, især almindelige pakker i standardbiblioteket. Brug af andre pakker eller andre programmeringssprog kræver omhyggelig API-verificering. En genereret funktion eller et script er ikke kørt, blot fordi det ser komplet ud; kør det i det tilsigtede miljø, og brug de faktiske fejl eller observationer til at revidere resultatet.\n\n### Chatformat og sprog\n\nProducentens promptrepræsentation adskiller system-, bruger- og assistentmeddelelser. En systeminstruktion kan definere rollen eller svarstilen, mens brugermeddelelsen indeholder det faktiske problem. Bevar den præcise models format frem for at kopiere en senere Phi-skabelon eller antage en billedinput- eller værktøjskaldsfunktion fra en anden udgave.\n\nPhi-4 er primært trænet på engelsk og er ikke beregnet som en flersproget model. Andre sprog og mindre repræsenterede engelske varianter kan have dårligere ydeevne. Lever præcis ordlyd for tekniske navne, og vurder svaret på det sprog, opgaven kræver, frem for at betragte den lille flersprogede andel af træningsdataene som bred sprogunderstøttelse.\n\n### Pålidelighedsgrænser\n\nTræningens grænse for offentlige data er juni 2024 og tidligere. Ved aktuelle eller kildefølsomme påstande skal du levere autoritativt materiale i prompten. Microsoft identificerer også muligt unøjagtigt, forældet eller skævt output trods tilpasning. Kontroller det endelige svar mod problemets betingelser og kilder. Det nyttige resultat er en tekstlig løsning, forklaring eller et kodeforslag, hvis antagelser og understøttende dokumentation forbliver tydelige.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Check a proposed batch size\n\nA machine makes exactly 12 parts per batch. A supervisor proposes five batches to supply 67 parts and says there will be three spare. Check the proposal using whole batches only. Give the first incorrect claim, the minimum sufficient batch count and the resulting spare-part count. Show the arithmetic briefly.A concise numerical check identifying the failing claim, sufficient batches and surplus.The calculation must use whole batches and meet the 67-part requirement.microsoft/phi-4Phi-4 er Microsoft Researchs tekstmodel med 14 mia. parametre til engelsksproget ræsonnering, matematik og programmeringshjælp. Den bruger en kontekst på 16K og et chatorienteret instruktionsformat og producerer forklaringer og kodeforslag ud fra en komplet problemformulering og leveret tekst.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Phi-4 er Microsoft Researchs tætte transformer med 14 mia. parametre og udelukkende dekoder til tekstgenerering. Udviklingen fokuserer på træningsmateriale af høj kvalitet og avanceret ræsonnering i en relativt kompakt model. Den modtager tekst, egner sig bedst til en chatformateret prompt og genererer et tekstligt svar, en forklaring eller kode. Den præcise Phi-4-udgave er adskilt fra senere ræsonnerings-, mini- og multimodale udgivelser.
Producenten kombinerer kvalitetsfiltrerede offentlige dokumenter og kode, nyoprettede syntetiske undervisningsdata, erhvervede akademiske bøger og datasæt med spørgsmål og svar. Det syntetiske materiale underviser i matematik, programmering, hverdagsræsonnering og almen viden. Superviseret finjustering og direkte præferenceoptimering forbedrer derefter efterlevelse af instruktioner og svaradfærd.
Producenten positionerer Phi-4 som en byggesten til applikationer med begrænset hukommelse eller beregningskapacitet, behov for interaktive svar og ræsonnerings- eller logikopgaver, primært på engelsk. Giv en opgave den fulde betingelse og de kildeoplysninger, der kræves for at besvare den. Ved et matematisk problem skal du definere variablerne, begrænsningerne for definitionsmængden og resultatets form; ved en forklaring skal du identificere målgruppen og de begreber, den skal forbinde.
En nyttig brief er: »Sammenlign disse betingelser, identificer, om den foreslåede løsning opfylder hver af dem, og forklar den første fejl. Angiv eventuelle manglende oplysninger, før du drager en konklusion.« Ved et kildebaseret spørgsmål skal du mærke passagerne og bede om det fund, hver af dem understøtter. Bed om et svar, der bevarer navne, enheder og antagelser, som påvirker resultatet.
En længere prompt bør stadig have ét klart formål. Den offentliggjorte kontekst er 16K tokens og indeholder instruktioner, kildetekst, samtale og genereret svar samlet. Hold relevant dokumentation i inputtet, og reserver plads til den endelige forklaring. Kortets eksempel på genereringsbudget er illustrativt og fastslår ikke en separat universel maksimal svarlængde.
Phi-4 kan foreslå kode, forklare en funktion eller ræsonnere sig gennem et fejlende input. Lever implementeringen, den forventede adfærd og et repræsentativt tilfælde, der kendetegner et korrekt resultat. Bed om koderesultatet adskilt fra forklaringen, og identificer de grænseflader, der skal forblive intakte.
Producenten bemærker, at størstedelen af kodetræningen er Python-baseret, især almindelige pakker i standardbiblioteket. Brug af andre pakker eller andre programmeringssprog kræver omhyggelig API-verificering. En genereret funktion eller et script er ikke kørt, blot fordi det ser komplet ud; kør det i det tilsigtede miljø, og brug de faktiske fejl eller observationer til at revidere resultatet.
Producentens promptrepræsentation adskiller system-, bruger- og assistentmeddelelser. En systeminstruktion kan definere rollen eller svarstilen, mens brugermeddelelsen indeholder det faktiske problem. Bevar den præcise models format frem for at kopiere en senere Phi-skabelon eller antage en billedinput- eller værktøjskaldsfunktion fra en anden udgave.
Phi-4 er primært trænet på engelsk og er ikke beregnet som en flersproget model. Andre sprog og mindre repræsenterede engelske varianter kan have dårligere ydeevne. Lever præcis ordlyd for tekniske navne, og vurder svaret på det sprog, opgaven kræver, frem for at betragte den lille flersprogede andel af træningsdataene som bred sprogunderstøttelse.
Træningens grænse for offentlige data er juni 2024 og tidligere. Ved aktuelle eller kildefølsomme påstande skal du levere autoritativt materiale i prompten. Microsoft identificerer også muligt unøjagtigt, forældet eller skævt output trods tilpasning. Kontroller det endelige svar mod problemets betingelser og kilder. Det nyttige resultat er en tekstlig løsning, forklaring eller et kodeforslag, hvis antagelser og understøttende dokumentation forbliver tydelige.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser microsoft/phi-4 | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00014 / 1K tokens Output · Outputtokens $0.00028 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00014 / 1K tokens Output · Outputtokens $0.00028 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "microsoft/phi-4", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='microsoft/phi-4',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='microsoft/phi-4',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra microsoft/phi-4
Brug metodestierne vist ovenfor.
microsoft/phi-4Phi-4 er Microsoft Researchs tekstmodel med 14 mia. parametre til engelsksproget ræsonnering, matematik og programmeringshjælp. Den bruger en kontekst på 16K og et chatorienteret instruktionsformat og producerer forklaringer og kodeforslag ud fra en komplet problemformulering og leveret tekst.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Phi-4 er Microsoft Researchs tætte transformer med 14 mia. parametre og udelukkende dekoder til tekstgenerering. Udviklingen fokuserer på træningsmateriale af høj kvalitet og avanceret ræsonnering i en relativt kompakt model. Den modtager tekst, egner sig bedst til en chatformateret prompt og genererer et tekstligt svar, en forklaring eller kode. Den præcise Phi-4-udgave er adskilt fra senere ræsonnerings-, mini- og multimodale udgivelser.
Producenten kombinerer kvalitetsfiltrerede offentlige dokumenter og kode, nyoprettede syntetiske undervisningsdata, erhvervede akademiske bøger og datasæt med spørgsmål og svar. Det syntetiske materiale underviser i matematik, programmering, hverdagsræsonnering og almen viden. Superviseret finjustering og direkte præferenceoptimering forbedrer derefter efterlevelse af instruktioner og svaradfærd.
Producenten positionerer Phi-4 som en byggesten til applikationer med begrænset hukommelse eller beregningskapacitet, behov for interaktive svar og ræsonnerings- eller logikopgaver, primært på engelsk. Giv en opgave den fulde betingelse og de kildeoplysninger, der kræves for at besvare den. Ved et matematisk problem skal du definere variablerne, begrænsningerne for definitionsmængden og resultatets form; ved en forklaring skal du identificere målgruppen og de begreber, den skal forbinde.
En nyttig brief er: »Sammenlign disse betingelser, identificer, om den foreslåede løsning opfylder hver af dem, og forklar den første fejl. Angiv eventuelle manglende oplysninger, før du drager en konklusion.« Ved et kildebaseret spørgsmål skal du mærke passagerne og bede om det fund, hver af dem understøtter. Bed om et svar, der bevarer navne, enheder og antagelser, som påvirker resultatet.
En længere prompt bør stadig have ét klart formål. Den offentliggjorte kontekst er 16K tokens og indeholder instruktioner, kildetekst, samtale og genereret svar samlet. Hold relevant dokumentation i inputtet, og reserver plads til den endelige forklaring. Kortets eksempel på genereringsbudget er illustrativt og fastslår ikke en separat universel maksimal svarlængde.
Phi-4 kan foreslå kode, forklare en funktion eller ræsonnere sig gennem et fejlende input. Lever implementeringen, den forventede adfærd og et repræsentativt tilfælde, der kendetegner et korrekt resultat. Bed om koderesultatet adskilt fra forklaringen, og identificer de grænseflader, der skal forblive intakte.
Producenten bemærker, at størstedelen af kodetræningen er Python-baseret, især almindelige pakker i standardbiblioteket. Brug af andre pakker eller andre programmeringssprog kræver omhyggelig API-verificering. En genereret funktion eller et script er ikke kørt, blot fordi det ser komplet ud; kør det i det tilsigtede miljø, og brug de faktiske fejl eller observationer til at revidere resultatet.
Producentens promptrepræsentation adskiller system-, bruger- og assistentmeddelelser. En systeminstruktion kan definere rollen eller svarstilen, mens brugermeddelelsen indeholder det faktiske problem. Bevar den præcise models format frem for at kopiere en senere Phi-skabelon eller antage en billedinput- eller værktøjskaldsfunktion fra en anden udgave.
Phi-4 er primært trænet på engelsk og er ikke beregnet som en flersproget model. Andre sprog og mindre repræsenterede engelske varianter kan have dårligere ydeevne. Lever præcis ordlyd for tekniske navne, og vurder svaret på det sprog, opgaven kræver, frem for at betragte den lille flersprogede andel af træningsdataene som bred sprogunderstøttelse.
Træningens grænse for offentlige data er juni 2024 og tidligere. Ved aktuelle eller kildefølsomme påstande skal du levere autoritativt materiale i prompten. Microsoft identificerer også muligt unøjagtigt, forældet eller skævt output trods tilpasning. Kontroller det endelige svar mod problemets betingelser og kilder. Det nyttige resultat er en tekstlig løsning, forklaring eller et kodeforslag, hvis antagelser og understøttende dokumentation forbliver tydelige.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser microsoft/phi-4 | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00014 / 1K tokens Output · Outputtokens $0.00028 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00014 / 1K tokens Output · Outputtokens $0.00028 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "microsoft/phi-4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'microsoft/phi-4', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'microsoft/phi-4', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra microsoft/phi-4
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Check a proposed batch size\n\nA machine makes exactly 12 parts per batch. A supervisor proposes five batches to supply 67 parts and says there will be three spare. Check the proposal using whole batches only. Give the first incorrect claim, the minimum sufficient batch count and the resulting spare-part count. Show the arithmetic briefly.A concise numerical check identifying the failing claim, sufficient batches and surplus.The calculation must use whole batches and meet the 67-part requirement.