Phi-4 ist Microsoft Researchs dichter Decoder-only-Transformer mit 14 Milliarden Parametern für Texterzeugung. Seine Entwicklung konzentriert sich auf hochwertiges Trainingsmaterial und anspruchsvolles Schlussfolgern in einem vergleichsweise kompakten Modell. Es nimmt Text entgegen, eignet sich besonders für Prompts 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 erzeugte synthetische Bildungsdaten, erworbene Fachbücher und Frage-Antwort-Datensätze. Das synthetische Material vermittelt Mathematik, Programmierung, alltagslogisches Schlussfolgern und Allgemeinwissen. Überwachtes Fine-Tuning und direkte Präferenzoptimierung verbessern anschließend Anweisungsbefolgung und Antwortverhalten.
Der Hersteller positioniert Phi-4 als Baustein für Anwendungen mit Speicher- oder Rechenbeschränkungen, interaktiven Antwortanforderungen und Schlussfolgerungs- oder Logikaufgaben, hauptsächlich auf Englisch. Geben Sie einer Aufgabe die vollständige Bedingung und die zu ihrer Beantwortung benötigten Quelleninformationen. Definieren Sie bei einem mathematischen Problem Variablen, Definitionsbereichsbeschränkungen und Ergebnisform; benennen Sie bei einer Erklärung Zielgruppe und zu verbindende Konzepte.
Ein hilfreiches Briefing lautet: „Vergleichen Sie diese Bedingungen, ermitteln Sie, ob die vorgeschlagene Lösung jede davon erfüllt, und erklären Sie den ersten Fehler. Benennen Sie fehlende Informationen vor einer Schlussfolgerung.“ Kennzeichnen Sie bei einer quellenbasierten Frage die Passagen und verlangen Sie den jeweils gestützten Befund. Verlangen Sie die Bewahrung von Namen, Einheiten und Annahmen, 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 gemeinsam. Halten Sie relevante Belege in der Eingabe und reservieren Sie Platz für die Enderklärung. Das beispielhafte Generierungsbudget der Karte ist illustrativ und legt keine gesonderte allgemeingültige maximale Antwortlänge fest.
Phi-4 kann Code vorschlagen, eine Funktion erklären oder eine fehlschlagende Eingabe analysieren. Liefern Sie Implementierung, erwartetes Verhalten und einen repräsentativen Fall, der ein korrektes Ergebnis unterscheidbar macht. Verlangen Sie das Codeartefakt getrennt von seiner Erklärung und benennen Sie unverändert zu bewahrende Schnittstellen.
Der Hersteller weist darauf hin, dass das Codetraining überwiegend Python-basiert ist, insbesondere auf gängigen Standardbibliothekspaketen. Andere Pakete oder Programmiersprachen benötigen sorgfältige API-Prüfung. Eine erzeugte Funktion oder ein Skript wurde nicht ausgeführt, bloß weil es vollständig aussieht. Führen Sie es in der vorgesehenen Umgebung aus und nutzen Sie tatsächliche Fehler oder Beobachtungen zur Überarbeitung.
Die Promptdarstellung des Herstellers trennt System-, Nutzer- und Assistentenbeiträge. Eine Systemanweisung kann Rolle oder Antwortstil definieren; die Nutzernachricht enthält das tatsächliche Problem. Bewahren Sie das Format dieses genauen Modells, statt eine spätere Phi-Vorlage zu kopieren oder Bild- beziehungsweise Werkzeugaufruffunktionen einer anderen Edition vorauszusetzen.
Phi-4 ist überwiegend auf Englisch trainiert und nicht als mehrsprachiges Modell gedacht. Andere Sprachen und schwächer vertretene englische Varietäten können schlechtere Ergebnisse liefern. Geben Sie präzise Schreibweisen technischer Namen vor und bewerten Sie die Antwort in der benötigten Sprache, statt den kleinen mehrsprachigen Trainingsanteil als breite Sprachunterstützung zu behandeln.
Der Wissensstichtag der öffentlichen Trainingsdaten liegt bei Juni 2024 und früher. Liefern Sie für aktuelle oder quellenabhängige Aussagen maßgebliches Material im Prompt. Microsoft nennt trotz Ausrichtung außerdem mögliche ungenaue, veraltete oder verzerrte Ausgaben. Prüfen Sie die Endantwort anhand der Aufgabenbedingungen und Quellen. Das brauchbare Ergebnis ist eine textuelle Lösung, Erklärung oder ein Codevorschlag mit klaren Annahmen und stützenden Belegen.
", "aboutText": "Phi-4 ist Microsoft Researchs dichter Decoder-only-Transformer mit 14 Milliarden Parametern für Texterzeugung. Seine Entwicklung konzentriert sich auf hochwertiges Trainingsmaterial und anspruchsvolles Schlussfolgern in einem vergleichsweise kompakten Modell. Es nimmt Text entgegen, eignet sich besonders für Prompts 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 Nutzung\n\nDer Hersteller kombiniert qualitätsgefilterte öffentliche Dokumente und Code, neu erzeugte synthetische Bildungsdaten, erworbene Fachbücher und Frage-Antwort-Datensätze. Das synthetische Material vermittelt Mathematik, Programmierung, alltagslogisches 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 Speicher- oder Rechenbeschränkungen, interaktiven Antwortanforderungen und Schlussfolgerungs- oder Logikaufgaben, hauptsächlich auf Englisch. Geben Sie einer Aufgabe die vollständige Bedingung und die zu ihrer Beantwortung benötigten Quelleninformationen. Definieren Sie bei einem mathematischen Problem Variablen, Definitionsbereichsbeschränkungen und Ergebnisform; benennen Sie bei einer Erklärung Zielgruppe und zu verbindende Konzepte.\n\n### Aus einer klaren Aufgabe schlussfolgern\n\nEin hilfreiches Briefing lautet: „Vergleichen Sie diese Bedingungen, ermitteln Sie, ob die vorgeschlagene Lösung jede davon erfüllt, und erklären Sie den ersten Fehler. Benennen Sie fehlende Informationen vor einer Schlussfolgerung.“ Kennzeichnen Sie bei einer quellenbasierten Frage die Passagen und verlangen Sie den jeweils gestützten Befund. Verlangen Sie die Bewahrung von Namen, Einheiten und Annahmen, 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 gemeinsam. Halten Sie relevante Belege in der Eingabe und reservieren Sie Platz für die Enderklärung. Das beispielhafte Generierungsbudget der Karte ist illustrativ und legt keine gesonderte allgemeingültige maximale Antwortlänge fest.\n\n### Programmierhilfe\n\nPhi-4 kann Code vorschlagen, eine Funktion erklären oder eine fehlschlagende Eingabe analysieren. Liefern Sie Implementierung, erwartetes Verhalten und einen repräsentativen Fall, der ein korrektes Ergebnis unterscheidbar macht. Verlangen Sie das Codeartefakt getrennt von seiner Erklärung und benennen Sie unverändert zu bewahrende Schnittstellen.\n\nDer Hersteller weist darauf hin, dass das Codetraining überwiegend Python-basiert ist, insbesondere auf gängigen Standardbibliothekspaketen. Andere Pakete oder Programmiersprachen benötigen sorgfältige API-Prüfung. Eine erzeugte Funktion oder ein Skript wurde nicht ausgeführt, bloß weil es vollständig aussieht. Führen Sie es in der vorgesehenen Umgebung aus und nutzen Sie tatsächliche Fehler oder Beobachtungen zur Überarbeitung.\n\n### Chatformat und Sprache\n\nDie Promptdarstellung des Herstellers trennt System-, Nutzer- und Assistentenbeiträge. Eine Systemanweisung kann Rolle oder Antwortstil definieren; die Nutzernachricht enthält das tatsächliche Problem. Bewahren Sie das Format dieses genauen Modells, statt eine spätere Phi-Vorlage zu kopieren oder Bild- beziehungsweise Werkzeugaufruffunktionen einer anderen Edition vorauszusetzen.\n\nPhi-4 ist überwiegend auf Englisch trainiert und nicht als mehrsprachiges Modell gedacht. Andere Sprachen und schwächer vertretene englische Varietäten können schlechtere Ergebnisse liefern. Geben Sie präzise Schreibweisen technischer Namen vor und bewerten Sie die Antwort in der benötigten Sprache, statt den kleinen mehrsprachigen Trainingsanteil als breite Sprachunterstützung zu behandeln.\n\n### Zuverlässigkeitsgrenzen\n\nDer Wissensstichtag der öffentlichen Trainingsdaten liegt bei Juni 2024 und früher. Liefern Sie für aktuelle oder quellenabhängige Aussagen maßgebliches Material im Prompt. Microsoft nennt trotz Ausrichtung außerdem mögliche ungenaue, veraltete oder verzerrte Ausgaben. Prüfen Sie die Endantwort anhand der Aufgabenbedingungen und Quellen. Das brauchbare Ergebnis ist eine textuelle Lösung, 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 Microsoft Researchs Textmodell mit 14 Milliarden Parametern für englischsprachiges Schlussfolgern, Mathematik und Programmierhilfe. Es verwendet 16K-Kontext und ein chatorientiertes Anweisungsformat und erzeugt Erklärungen und Codevorschläge aus einer vollständigen Aufgabenstellung und geliefertem 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 Microsoft Researchs dichter Decoder-only-Transformer mit 14 Milliarden Parametern für Texterzeugung. Seine Entwicklung konzentriert sich auf hochwertiges Trainingsmaterial und anspruchsvolles Schlussfolgern in einem vergleichsweise kompakten Modell. Es nimmt Text entgegen, eignet sich besonders für Prompts 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 erzeugte synthetische Bildungsdaten, erworbene Fachbücher und Frage-Antwort-Datensätze. Das synthetische Material vermittelt Mathematik, Programmierung, alltagslogisches Schlussfolgern und Allgemeinwissen. Überwachtes Fine-Tuning und direkte Präferenzoptimierung verbessern anschließend Anweisungsbefolgung und Antwortverhalten.
Der Hersteller positioniert Phi-4 als Baustein für Anwendungen mit Speicher- oder Rechenbeschränkungen, interaktiven Antwortanforderungen und Schlussfolgerungs- oder Logikaufgaben, hauptsächlich auf Englisch. Geben Sie einer Aufgabe die vollständige Bedingung und die zu ihrer Beantwortung benötigten Quelleninformationen. Definieren Sie bei einem mathematischen Problem Variablen, Definitionsbereichsbeschränkungen und Ergebnisform; benennen Sie bei einer Erklärung Zielgruppe und zu verbindende Konzepte.
Ein hilfreiches Briefing lautet: „Vergleichen Sie diese Bedingungen, ermitteln Sie, ob die vorgeschlagene Lösung jede davon erfüllt, und erklären Sie den ersten Fehler. Benennen Sie fehlende Informationen vor einer Schlussfolgerung.“ Kennzeichnen Sie bei einer quellenbasierten Frage die Passagen und verlangen Sie den jeweils gestützten Befund. Verlangen Sie die Bewahrung von Namen, Einheiten und Annahmen, 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 gemeinsam. Halten Sie relevante Belege in der Eingabe und reservieren Sie Platz für die Enderklärung. Das beispielhafte Generierungsbudget der Karte ist illustrativ und legt keine gesonderte allgemeingültige maximale Antwortlänge fest.
Phi-4 kann Code vorschlagen, eine Funktion erklären oder eine fehlschlagende Eingabe analysieren. Liefern Sie Implementierung, erwartetes Verhalten und einen repräsentativen Fall, der ein korrektes Ergebnis unterscheidbar macht. Verlangen Sie das Codeartefakt getrennt von seiner Erklärung und benennen Sie unverändert zu bewahrende Schnittstellen.
Der Hersteller weist darauf hin, dass das Codetraining überwiegend Python-basiert ist, insbesondere auf gängigen Standardbibliothekspaketen. Andere Pakete oder Programmiersprachen benötigen sorgfältige API-Prüfung. Eine erzeugte Funktion oder ein Skript wurde nicht ausgeführt, bloß weil es vollständig aussieht. Führen Sie es in der vorgesehenen Umgebung aus und nutzen Sie tatsächliche Fehler oder Beobachtungen zur Überarbeitung.
Die Promptdarstellung des Herstellers trennt System-, Nutzer- und Assistentenbeiträge. Eine Systemanweisung kann Rolle oder Antwortstil definieren; die Nutzernachricht enthält das tatsächliche Problem. Bewahren Sie das Format dieses genauen Modells, statt eine spätere Phi-Vorlage zu kopieren oder Bild- beziehungsweise Werkzeugaufruffunktionen einer anderen Edition vorauszusetzen.
Phi-4 ist überwiegend auf Englisch trainiert und nicht als mehrsprachiges Modell gedacht. Andere Sprachen und schwächer vertretene englische Varietäten können schlechtere Ergebnisse liefern. Geben Sie präzise Schreibweisen technischer Namen vor und bewerten Sie die Antwort in der benötigten Sprache, statt den kleinen mehrsprachigen Trainingsanteil als breite Sprachunterstützung zu behandeln.
Der Wissensstichtag der öffentlichen Trainingsdaten liegt bei Juni 2024 und früher. Liefern Sie für aktuelle oder quellenabhängige Aussagen maßgebliches Material im Prompt. Microsoft nennt trotz Ausrichtung außerdem mögliche ungenaue, veraltete oder verzerrte Ausgaben. Prüfen Sie die Endantwort anhand der Aufgabenbedingungen und Quellen. Das brauchbare Ergebnis ist eine textuelle Lösung, 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 Token Ausgabe · Ausgabetoken $0.00028 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00014 / 1K Token Ausgabe · Ausgabetoken $0.00028 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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 Microsoft Researchs Textmodell mit 14 Milliarden Parametern für englischsprachiges Schlussfolgern, Mathematik und Programmierhilfe. Es verwendet 16K-Kontext und ein chatorientiertes Anweisungsformat und erzeugt Erklärungen und Codevorschläge aus einer vollständigen Aufgabenstellung und geliefertem 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 Microsoft Researchs dichter Decoder-only-Transformer mit 14 Milliarden Parametern für Texterzeugung. Seine Entwicklung konzentriert sich auf hochwertiges Trainingsmaterial und anspruchsvolles Schlussfolgern in einem vergleichsweise kompakten Modell. Es nimmt Text entgegen, eignet sich besonders für Prompts 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 erzeugte synthetische Bildungsdaten, erworbene Fachbücher und Frage-Antwort-Datensätze. Das synthetische Material vermittelt Mathematik, Programmierung, alltagslogisches Schlussfolgern und Allgemeinwissen. Überwachtes Fine-Tuning und direkte Präferenzoptimierung verbessern anschließend Anweisungsbefolgung und Antwortverhalten.
Der Hersteller positioniert Phi-4 als Baustein für Anwendungen mit Speicher- oder Rechenbeschränkungen, interaktiven Antwortanforderungen und Schlussfolgerungs- oder Logikaufgaben, hauptsächlich auf Englisch. Geben Sie einer Aufgabe die vollständige Bedingung und die zu ihrer Beantwortung benötigten Quelleninformationen. Definieren Sie bei einem mathematischen Problem Variablen, Definitionsbereichsbeschränkungen und Ergebnisform; benennen Sie bei einer Erklärung Zielgruppe und zu verbindende Konzepte.
Ein hilfreiches Briefing lautet: „Vergleichen Sie diese Bedingungen, ermitteln Sie, ob die vorgeschlagene Lösung jede davon erfüllt, und erklären Sie den ersten Fehler. Benennen Sie fehlende Informationen vor einer Schlussfolgerung.“ Kennzeichnen Sie bei einer quellenbasierten Frage die Passagen und verlangen Sie den jeweils gestützten Befund. Verlangen Sie die Bewahrung von Namen, Einheiten und Annahmen, 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 gemeinsam. Halten Sie relevante Belege in der Eingabe und reservieren Sie Platz für die Enderklärung. Das beispielhafte Generierungsbudget der Karte ist illustrativ und legt keine gesonderte allgemeingültige maximale Antwortlänge fest.
Phi-4 kann Code vorschlagen, eine Funktion erklären oder eine fehlschlagende Eingabe analysieren. Liefern Sie Implementierung, erwartetes Verhalten und einen repräsentativen Fall, der ein korrektes Ergebnis unterscheidbar macht. Verlangen Sie das Codeartefakt getrennt von seiner Erklärung und benennen Sie unverändert zu bewahrende Schnittstellen.
Der Hersteller weist darauf hin, dass das Codetraining überwiegend Python-basiert ist, insbesondere auf gängigen Standardbibliothekspaketen. Andere Pakete oder Programmiersprachen benötigen sorgfältige API-Prüfung. Eine erzeugte Funktion oder ein Skript wurde nicht ausgeführt, bloß weil es vollständig aussieht. Führen Sie es in der vorgesehenen Umgebung aus und nutzen Sie tatsächliche Fehler oder Beobachtungen zur Überarbeitung.
Die Promptdarstellung des Herstellers trennt System-, Nutzer- und Assistentenbeiträge. Eine Systemanweisung kann Rolle oder Antwortstil definieren; die Nutzernachricht enthält das tatsächliche Problem. Bewahren Sie das Format dieses genauen Modells, statt eine spätere Phi-Vorlage zu kopieren oder Bild- beziehungsweise Werkzeugaufruffunktionen einer anderen Edition vorauszusetzen.
Phi-4 ist überwiegend auf Englisch trainiert und nicht als mehrsprachiges Modell gedacht. Andere Sprachen und schwächer vertretene englische Varietäten können schlechtere Ergebnisse liefern. Geben Sie präzise Schreibweisen technischer Namen vor und bewerten Sie die Antwort in der benötigten Sprache, statt den kleinen mehrsprachigen Trainingsanteil als breite Sprachunterstützung zu behandeln.
Der Wissensstichtag der öffentlichen Trainingsdaten liegt bei Juni 2024 und früher. Liefern Sie für aktuelle oder quellenabhängige Aussagen maßgebliches Material im Prompt. Microsoft nennt trotz Ausrichtung außerdem mögliche ungenaue, veraltete oder verzerrte Ausgaben. Prüfen Sie die Endantwort anhand der Aufgabenbedingungen und Quellen. Das brauchbare Ergebnis ist eine textuelle Lösung, 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 Token Ausgabe · Ausgabetoken $0.00028 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00014 / 1K Token Ausgabe · Ausgabetoken $0.00028 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "microsoft/phi-4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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.