Phi-4 ist der dichte, ausschliesslich decoderbasierte Transformer von Microsoft Research mit 14 Milliarden Parametern zur Texterzeugung. Seine Entwicklung konzentriert sich auf hochwertiges Trainingsmaterial und anspruchsvolles Schlussfolgern in einem vergleichsweise kompakten Modell. Es nimmt Text entgegen, eignet sich am besten für einen Prompt im Chatformat und erzeugt eine Textantwort, Erklärung oder Code. Die genaue Phi-4-Edition unterscheidet sich von späteren Reasoning-, Mini- und multimodalen Veröffentlichungen.
Der Hersteller kombiniert qualitätsgefilterte öffentliche Dokumente und Code, neu erstellte synthetische Bildungsdaten, erworbene wissenschaftliche Bücher und Frage-Antwort-Datensätze. Das synthetische Material vermittelt Mathematik, Programmierung, alltagsbezogenes Schlussfolgern und Allgemeinwissen. Überwachtes Fine-Tuning und direkte Präferenzoptimierung verbessern anschliessend Anweisungsbefolgung und Antwortverhalten.
Der Hersteller positioniert Phi-4 als Baustein für Anwendungen mit begrenztem Speicher oder Rechenbudget, interaktivem Antwortbedarf und Schlussfolgerungs- oder Logikaufgaben, hauptsächlich auf Englisch. Geben Sie die vollständigen Aufgabenbedingungen und die für die Antwort nötigen Quelleninformationen an. Definieren Sie bei einer mathematischen Aufgabe Variablen, Einschränkungen des Definitionsbereichs und die Ergebnisform; benennen Sie bei einer Erklärung Zielgruppe und die zu verbindenden Begriffe.
Ein nützliches Briefing lautet: «Vergleichen Sie diese Bedingungen, prüfen Sie, ob die vorgeschlagene Lösung jede davon erfüllt, und erklären Sie den ersten Fehler. Benennen Sie fehlende Informationen, bevor Sie eine Schlussfolgerung ziehen.» Kennzeichnen Sie bei einer quellenbezogenen Frage die Passagen und verlangen Sie den jeweils belegten Befund. Die Antwort soll Namen, Einheiten und Annahmen bewahren, die das Ergebnis beeinflussen.
Auch ein längerer Prompt sollte einen klaren Zweck haben. Der veröffentlichte Kontext beträgt 16K Tokens und umfasst Anweisungen, Quelltext, Gespräch und erzeugte Antwort zusammen. Halten Sie relevante Belege in der Eingabe und reservieren Sie Platz für die abschliessende Erklärung. Das Generierungsbudget im Beispiel der Modellkarte dient der Veranschaulichung und legt keine gesonderte allgemeingültige maximale Antwortlänge fest.
Phi-4 kann Code vorschlagen, eine Funktion erklären oder eine fehlschlagende Eingabe durchdenken. Stellen Sie Implementierung, erwartetes Verhalten und einen repräsentativen Fall bereit, der ein korrektes Ergebnis unterscheidbar macht. Verlangen Sie das Codeergebnis getrennt von seiner Erklärung und benennen Sie die Schnittstellen, die unverändert bleiben müssen.
Der Hersteller weist darauf hin, dass das Codetraining überwiegend auf Python basiert, insbesondere auf verbreiteten Paketen der Standardbibliothek. Die Verwendung anderer Pakete oder Programmiersprachen erfordert eine sorgfältige API-Prüfung. Eine erzeugte Funktion oder ein erzeugtes Skript ist nicht allein deshalb bereits ausgeführt, weil das Ergebnis vollständig aussieht; führen Sie es in der vorgesehenen Umgebung aus und überarbeiten Sie es anhand tatsächlicher Fehler oder Beobachtungen.
Die Promptdarstellung des Herstellers trennt System-, Nutzer- und Assistentenbeiträge. Eine Systemanweisung kann Rolle oder Antwortstil definieren, während die Nutzernachricht das eigentliche Problem enthält. Bewahren Sie das Format des genauen Modells, statt eine spätere Phi-Vorlage zu kopieren oder Bildinput beziehungsweise Werkzeugaufrufe aus einer anderen Edition zu übernehmen.
Phi-4 wurde hauptsächlich auf Englisch trainiert und ist nicht als mehrsprachiges Modell vorgesehen. Andere Sprachen und schwächer vertretene englische Varietäten können schlechtere Ergebnisse liefern. Geben Sie technische Bezeichnungen präzise vor und beurteilen Sie die Antwort in der für die Aufgabe benötigten Sprache, statt aus dem kleinen mehrsprachigen Trainingsanteil eine breite Sprachunterstützung abzuleiten.
Der Trainingsstichtag für öffentliche Daten liegt im Juni 2024 und davor. Stellen Sie für aktuelle oder quellenabhängige Aussagen massgebliches Material im Prompt bereit. Microsoft nennt trotz Abstimmung auch mögliche ungenaue, veraltete oder verzerrte Ausgaben. Prüfen Sie die abschliessende Antwort anhand der Aufgabenbedingungen und Quellen. Das nützliche Ergebnis ist eine Textlösung, Erklärung oder ein Codevorschlag mit klaren Annahmen und stützenden Belegen.
", "aboutText": "Phi-4 ist der dichte, ausschliesslich decoderbasierte Transformer von Microsoft Research mit 14 Milliarden Parametern zur Texterzeugung. Seine Entwicklung konzentriert sich auf hochwertiges Trainingsmaterial und anspruchsvolles Schlussfolgern in einem vergleichsweise kompakten Modell. Es nimmt Text entgegen, eignet sich am besten für einen Prompt im Chatformat und erzeugt eine Textantwort, Erklärung oder Code. Die genaue Phi-4-Edition unterscheidet sich von späteren Reasoning-, Mini- und multimodalen Veröffentlichungen.\n\n### Training und vorgesehene Verwendung\n\nDer Hersteller kombiniert qualitätsgefilterte öffentliche Dokumente und Code, neu erstellte synthetische Bildungsdaten, erworbene wissenschaftliche Bücher und Frage-Antwort-Datensätze. Das synthetische Material vermittelt Mathematik, Programmierung, alltagsbezogenes Schlussfolgern und Allgemeinwissen. Überwachtes Fine-Tuning und direkte Präferenzoptimierung verbessern anschliessend Anweisungsbefolgung und Antwortverhalten.\n\nDer Hersteller positioniert Phi-4 als Baustein für Anwendungen mit begrenztem Speicher oder Rechenbudget, interaktivem Antwortbedarf und Schlussfolgerungs- oder Logikaufgaben, hauptsächlich auf Englisch. Geben Sie die vollständigen Aufgabenbedingungen und die für die Antwort nötigen Quelleninformationen an. Definieren Sie bei einer mathematischen Aufgabe Variablen, Einschränkungen des Definitionsbereichs und die Ergebnisform; benennen Sie bei einer Erklärung Zielgruppe und die zu verbindenden Begriffe.\n\n### Schlussfolgern aus einer klaren Aufgabenstellung\n\nEin nützliches Briefing lautet: «Vergleichen Sie diese Bedingungen, prüfen Sie, ob die vorgeschlagene Lösung jede davon erfüllt, und erklären Sie den ersten Fehler. Benennen Sie fehlende Informationen, bevor Sie eine Schlussfolgerung ziehen.» Kennzeichnen Sie bei einer quellenbezogenen Frage die Passagen und verlangen Sie den jeweils belegten Befund. Die Antwort soll Namen, Einheiten und Annahmen bewahren, die das Ergebnis beeinflussen.\n\nAuch ein längerer Prompt sollte einen klaren Zweck haben. Der veröffentlichte Kontext beträgt 16K Tokens und umfasst Anweisungen, Quelltext, Gespräch und erzeugte Antwort zusammen. Halten Sie relevante Belege in der Eingabe und reservieren Sie Platz für die abschliessende Erklärung. Das Generierungsbudget im Beispiel der Modellkarte dient der Veranschaulichung und legt keine gesonderte allgemeingültige maximale Antwortlänge fest.\n\n### Programmierhilfe\n\nPhi-4 kann Code vorschlagen, eine Funktion erklären oder eine fehlschlagende Eingabe durchdenken. Stellen Sie Implementierung, erwartetes Verhalten und einen repräsentativen Fall bereit, der ein korrektes Ergebnis unterscheidbar macht. Verlangen Sie das Codeergebnis getrennt von seiner Erklärung und benennen Sie die Schnittstellen, die unverändert bleiben müssen.\n\nDer Hersteller weist darauf hin, dass das Codetraining überwiegend auf Python basiert, insbesondere auf verbreiteten Paketen der Standardbibliothek. Die Verwendung anderer Pakete oder Programmiersprachen erfordert eine sorgfältige API-Prüfung. Eine erzeugte Funktion oder ein erzeugtes Skript ist nicht allein deshalb bereits ausgeführt, weil das Ergebnis vollständig aussieht; führen Sie es in der vorgesehenen Umgebung aus und überarbeiten Sie es anhand tatsächlicher Fehler oder Beobachtungen.\n\n### Chatformat und Sprache\n\nDie Promptdarstellung des Herstellers trennt System-, Nutzer- und Assistentenbeiträge. Eine Systemanweisung kann Rolle oder Antwortstil definieren, während die Nutzernachricht das eigentliche Problem enthält. Bewahren Sie das Format des genauen Modells, statt eine spätere Phi-Vorlage zu kopieren oder Bildinput beziehungsweise Werkzeugaufrufe aus einer anderen Edition zu übernehmen.\n\nPhi-4 wurde hauptsächlich auf Englisch trainiert und ist nicht als mehrsprachiges Modell vorgesehen. Andere Sprachen und schwächer vertretene englische Varietäten können schlechtere Ergebnisse liefern. Geben Sie technische Bezeichnungen präzise vor und beurteilen Sie die Antwort in der für die Aufgabe benötigten Sprache, statt aus dem kleinen mehrsprachigen Trainingsanteil eine breite Sprachunterstützung abzuleiten.\n\n### Grenzen der Zuverlässigkeit\n\nDer Trainingsstichtag für öffentliche Daten liegt im Juni 2024 und davor. Stellen Sie für aktuelle oder quellenabhängige Aussagen massgebliches Material im Prompt bereit. Microsoft nennt trotz Abstimmung auch mögliche ungenaue, veraltete oder verzerrte Ausgaben. Prüfen Sie die abschliessende Antwort anhand der Aufgabenbedingungen und Quellen. Das nützliche Ergebnis ist eine Textlösung, Erklärung oder ein Codevorschlag mit klaren Annahmen und stützenden Belegen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
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 ist das 14B-Textmodell von Microsoft Research für englischsprachiges Schlussfolgern, Mathematik und Programmierhilfe. Es verwendet einen 16K-Kontext und ein gesprächsorientiertes Anweisungsformat und erzeugt Erklärungen sowie Codevorschläge aus einer vollständigen Aufgabenstellung und bereitgestelltem Text.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Phi-4 ist der dichte, ausschliesslich decoderbasierte Transformer von Microsoft Research mit 14 Milliarden Parametern zur Texterzeugung. Seine Entwicklung konzentriert sich auf hochwertiges Trainingsmaterial und anspruchsvolles Schlussfolgern in einem vergleichsweise kompakten Modell. Es nimmt Text entgegen, eignet sich am besten für einen Prompt im Chatformat und erzeugt eine Textantwort, Erklärung oder Code. Die genaue Phi-4-Edition unterscheidet sich von späteren Reasoning-, Mini- und multimodalen Veröffentlichungen.
Der Hersteller kombiniert qualitätsgefilterte öffentliche Dokumente und Code, neu erstellte synthetische Bildungsdaten, erworbene wissenschaftliche Bücher und Frage-Antwort-Datensätze. Das synthetische Material vermittelt Mathematik, Programmierung, alltagsbezogenes Schlussfolgern und Allgemeinwissen. Überwachtes Fine-Tuning und direkte Präferenzoptimierung verbessern anschliessend Anweisungsbefolgung und Antwortverhalten.
Der Hersteller positioniert Phi-4 als Baustein für Anwendungen mit begrenztem Speicher oder Rechenbudget, interaktivem Antwortbedarf und Schlussfolgerungs- oder Logikaufgaben, hauptsächlich auf Englisch. Geben Sie die vollständigen Aufgabenbedingungen und die für die Antwort nötigen Quelleninformationen an. Definieren Sie bei einer mathematischen Aufgabe Variablen, Einschränkungen des Definitionsbereichs und die Ergebnisform; benennen Sie bei einer Erklärung Zielgruppe und die zu verbindenden Begriffe.
Ein nützliches Briefing lautet: «Vergleichen Sie diese Bedingungen, prüfen Sie, ob die vorgeschlagene Lösung jede davon erfüllt, und erklären Sie den ersten Fehler. Benennen Sie fehlende Informationen, bevor Sie eine Schlussfolgerung ziehen.» Kennzeichnen Sie bei einer quellenbezogenen Frage die Passagen und verlangen Sie den jeweils belegten Befund. Die Antwort soll Namen, Einheiten und Annahmen bewahren, die das Ergebnis beeinflussen.
Auch ein längerer Prompt sollte einen klaren Zweck haben. Der veröffentlichte Kontext beträgt 16K Tokens und umfasst Anweisungen, Quelltext, Gespräch und erzeugte Antwort zusammen. Halten Sie relevante Belege in der Eingabe und reservieren Sie Platz für die abschliessende Erklärung. Das Generierungsbudget im Beispiel der Modellkarte dient der Veranschaulichung und legt keine gesonderte allgemeingültige maximale Antwortlänge fest.
Phi-4 kann Code vorschlagen, eine Funktion erklären oder eine fehlschlagende Eingabe durchdenken. Stellen Sie Implementierung, erwartetes Verhalten und einen repräsentativen Fall bereit, der ein korrektes Ergebnis unterscheidbar macht. Verlangen Sie das Codeergebnis getrennt von seiner Erklärung und benennen Sie die Schnittstellen, die unverändert bleiben müssen.
Der Hersteller weist darauf hin, dass das Codetraining überwiegend auf Python basiert, insbesondere auf verbreiteten Paketen der Standardbibliothek. Die Verwendung anderer Pakete oder Programmiersprachen erfordert eine sorgfältige API-Prüfung. Eine erzeugte Funktion oder ein erzeugtes Skript ist nicht allein deshalb bereits ausgeführt, weil das Ergebnis vollständig aussieht; führen Sie es in der vorgesehenen Umgebung aus und überarbeiten Sie es anhand tatsächlicher Fehler oder Beobachtungen.
Die Promptdarstellung des Herstellers trennt System-, Nutzer- und Assistentenbeiträge. Eine Systemanweisung kann Rolle oder Antwortstil definieren, während die Nutzernachricht das eigentliche Problem enthält. Bewahren Sie das Format des genauen Modells, statt eine spätere Phi-Vorlage zu kopieren oder Bildinput beziehungsweise Werkzeugaufrufe aus einer anderen Edition zu übernehmen.
Phi-4 wurde hauptsächlich auf Englisch trainiert und ist nicht als mehrsprachiges Modell vorgesehen. Andere Sprachen und schwächer vertretene englische Varietäten können schlechtere Ergebnisse liefern. Geben Sie technische Bezeichnungen präzise vor und beurteilen Sie die Antwort in der für die Aufgabe benötigten Sprache, statt aus dem kleinen mehrsprachigen Trainingsanteil eine breite Sprachunterstützung abzuleiten.
Der Trainingsstichtag für öffentliche Daten liegt im Juni 2024 und davor. Stellen Sie für aktuelle oder quellenabhängige Aussagen massgebliches Material im Prompt bereit. Microsoft nennt trotz Abstimmung auch mögliche ungenaue, veraltete oder verzerrte Ausgaben. Prüfen Sie die abschliessende Antwort anhand der Aufgabenbedingungen und Quellen. Das nützliche Ergebnis ist eine Textlösung, Erklärung oder ein Codevorschlag mit klaren Annahmen und stützenden Belegen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits microsoft/phi-4 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00014 / 1K Tokens Ausgabe · Ausgabetoken $0.00028 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00014 / 1K Tokens Ausgabe · Ausgabetoken $0.00028 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra microsoft/phi-4
Verwenden Sie die oben angezeigten Methodenpfade.
microsoft/phi-4Phi-4 ist das 14B-Textmodell von Microsoft Research für englischsprachiges Schlussfolgern, Mathematik und Programmierhilfe. Es verwendet einen 16K-Kontext und ein gesprächsorientiertes Anweisungsformat und erzeugt Erklärungen sowie Codevorschläge aus einer vollständigen Aufgabenstellung und bereitgestelltem Text.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Phi-4 ist der dichte, ausschliesslich decoderbasierte Transformer von Microsoft Research mit 14 Milliarden Parametern zur Texterzeugung. Seine Entwicklung konzentriert sich auf hochwertiges Trainingsmaterial und anspruchsvolles Schlussfolgern in einem vergleichsweise kompakten Modell. Es nimmt Text entgegen, eignet sich am besten für einen Prompt im Chatformat und erzeugt eine Textantwort, Erklärung oder Code. Die genaue Phi-4-Edition unterscheidet sich von späteren Reasoning-, Mini- und multimodalen Veröffentlichungen.
Der Hersteller kombiniert qualitätsgefilterte öffentliche Dokumente und Code, neu erstellte synthetische Bildungsdaten, erworbene wissenschaftliche Bücher und Frage-Antwort-Datensätze. Das synthetische Material vermittelt Mathematik, Programmierung, alltagsbezogenes Schlussfolgern und Allgemeinwissen. Überwachtes Fine-Tuning und direkte Präferenzoptimierung verbessern anschliessend Anweisungsbefolgung und Antwortverhalten.
Der Hersteller positioniert Phi-4 als Baustein für Anwendungen mit begrenztem Speicher oder Rechenbudget, interaktivem Antwortbedarf und Schlussfolgerungs- oder Logikaufgaben, hauptsächlich auf Englisch. Geben Sie die vollständigen Aufgabenbedingungen und die für die Antwort nötigen Quelleninformationen an. Definieren Sie bei einer mathematischen Aufgabe Variablen, Einschränkungen des Definitionsbereichs und die Ergebnisform; benennen Sie bei einer Erklärung Zielgruppe und die zu verbindenden Begriffe.
Ein nützliches Briefing lautet: «Vergleichen Sie diese Bedingungen, prüfen Sie, ob die vorgeschlagene Lösung jede davon erfüllt, und erklären Sie den ersten Fehler. Benennen Sie fehlende Informationen, bevor Sie eine Schlussfolgerung ziehen.» Kennzeichnen Sie bei einer quellenbezogenen Frage die Passagen und verlangen Sie den jeweils belegten Befund. Die Antwort soll Namen, Einheiten und Annahmen bewahren, die das Ergebnis beeinflussen.
Auch ein längerer Prompt sollte einen klaren Zweck haben. Der veröffentlichte Kontext beträgt 16K Tokens und umfasst Anweisungen, Quelltext, Gespräch und erzeugte Antwort zusammen. Halten Sie relevante Belege in der Eingabe und reservieren Sie Platz für die abschliessende Erklärung. Das Generierungsbudget im Beispiel der Modellkarte dient der Veranschaulichung und legt keine gesonderte allgemeingültige maximale Antwortlänge fest.
Phi-4 kann Code vorschlagen, eine Funktion erklären oder eine fehlschlagende Eingabe durchdenken. Stellen Sie Implementierung, erwartetes Verhalten und einen repräsentativen Fall bereit, der ein korrektes Ergebnis unterscheidbar macht. Verlangen Sie das Codeergebnis getrennt von seiner Erklärung und benennen Sie die Schnittstellen, die unverändert bleiben müssen.
Der Hersteller weist darauf hin, dass das Codetraining überwiegend auf Python basiert, insbesondere auf verbreiteten Paketen der Standardbibliothek. Die Verwendung anderer Pakete oder Programmiersprachen erfordert eine sorgfältige API-Prüfung. Eine erzeugte Funktion oder ein erzeugtes Skript ist nicht allein deshalb bereits ausgeführt, weil das Ergebnis vollständig aussieht; führen Sie es in der vorgesehenen Umgebung aus und überarbeiten Sie es anhand tatsächlicher Fehler oder Beobachtungen.
Die Promptdarstellung des Herstellers trennt System-, Nutzer- und Assistentenbeiträge. Eine Systemanweisung kann Rolle oder Antwortstil definieren, während die Nutzernachricht das eigentliche Problem enthält. Bewahren Sie das Format des genauen Modells, statt eine spätere Phi-Vorlage zu kopieren oder Bildinput beziehungsweise Werkzeugaufrufe aus einer anderen Edition zu übernehmen.
Phi-4 wurde hauptsächlich auf Englisch trainiert und ist nicht als mehrsprachiges Modell vorgesehen. Andere Sprachen und schwächer vertretene englische Varietäten können schlechtere Ergebnisse liefern. Geben Sie technische Bezeichnungen präzise vor und beurteilen Sie die Antwort in der für die Aufgabe benötigten Sprache, statt aus dem kleinen mehrsprachigen Trainingsanteil eine breite Sprachunterstützung abzuleiten.
Der Trainingsstichtag für öffentliche Daten liegt im Juni 2024 und davor. Stellen Sie für aktuelle oder quellenabhängige Aussagen massgebliches Material im Prompt bereit. Microsoft nennt trotz Abstimmung auch mögliche ungenaue, veraltete oder verzerrte Ausgaben. Prüfen Sie die abschliessende Antwort anhand der Aufgabenbedingungen und Quellen. Das nützliche Ergebnis ist eine Textlösung, Erklärung oder ein Codevorschlag mit klaren Annahmen und stützenden Belegen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits microsoft/phi-4 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00014 / 1K Tokens Ausgabe · Ausgabetoken $0.00028 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00014 / 1K Tokens Ausgabe · Ausgabetoken $0.00028 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "microsoft/phi-4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra microsoft/phi-4
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
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.