Phi-4 est le transformeur dense à décodeur seul de 14 milliards de paramètres de Microsoft Research pour la génération de texte. Son développement privilégie des données d’entraînement de grande qualité et le raisonnement avancé dans un modèle relativement compact. Il accepte du texte, convient particulièrement à une consigne au format conversationnel et génère une réponse textuelle, une explication ou du code. L’édition exacte Phi-4 est distincte des versions de raisonnement, mini et multimodales ultérieures.
Le fabricant combine des documents publics et du code filtrés selon leur qualité, des données pédagogiques synthétiques nouvellement créées, des livres universitaires acquis et des jeux de données de questions-réponses. Les données synthétiques enseignent les mathématiques, la programmation, le raisonnement de sens commun et les connaissances générales. Le réglage fin supervisé et l’optimisation directe des préférences améliorent ensuite le respect des consignes et le comportement des réponses.
Le fabricant présente Phi-4 comme un composant pour les applications ayant des contraintes de mémoire ou de calcul, des besoins de réponses interactives et des tâches de raisonnement ou de logique, principalement en anglais. Donnez à la tâche toutes les conditions et les renseignements sources nécessaires à la réponse. Pour un problème mathématique, définissez les variables, les restrictions du domaine et la forme du résultat; pour une explication, précisez le public et les concepts à relier.
Consigne utile : « Comparez ces conditions, déterminez si la solution proposée satisfait chacune et expliquez le premier échec. Indiquez les renseignements manquants avant de conclure. » Pour une question fondée sur des sources, étiquetez les passages et demandez le constat appuyé par chacun. Demandez à la réponse de préserver les noms, les unités et les hypothèses qui influent sur le résultat.
Même une longue consigne doit avoir un seul objectif clair. Le contexte publié est de 16K jetons et contient ensemble les consignes, le texte source, la conversation et la réponse générée. Gardez les éléments pertinents dans l’entrée et réservez de la place à l’explication finale. Le budget de génération de l’exemple de la fiche est illustratif et n’établit pas une longueur maximale de réponse universelle distincte.
Phi-4 peut proposer du code, expliquer une fonction ou raisonner sur une entrée en échec. Fournissez l’implémentation, le comportement attendu et un cas représentatif permettant de distinguer un résultat correct. Demandez le livrable de code séparément de son explication et désignez les interfaces à préserver.
Le fabricant indique que l’essentiel de l’entraînement au code repose sur Python, particulièrement les modules courants de sa bibliothèque standard. L’utilisation d’autres bibliothèques ou langages de programmation exige une vérification minutieuse des API. Une fonction ou un script généré n’a pas été exécuté simplement parce qu’il semble complet; lancez-le dans l’environnement prévu et utilisez les erreurs ou les observations réelles pour réviser le résultat.
La représentation de consigne du fabricant sépare les tours system, user et assistant. Une consigne système peut définir le rôle ou le style de réponse, tandis que le message utilisateur contient le problème réel. Conservez le format du modèle exact plutôt que de copier un modèle de consigne Phi ultérieur ou de supposer une fonction d’entrée image ou d’appel d’outil d’une autre édition.
Phi-4 est entraîné principalement en anglais et n’est pas destiné à servir de modèle multilingue. Les autres langues et les variétés d’anglais moins représentées peuvent présenter des performances inférieures. Fournissez la graphie précise des noms techniques et évaluez la réponse dans la langue requise par la tâche plutôt que de traiter la faible part multilingue des données d’entraînement comme une vaste prise en charge linguistique.
La date limite des données publiques d’entraînement est juin 2024 ou avant. Pour les affirmations actuelles ou sensibles aux sources, fournissez des documents faisant autorité dans la consigne. Microsoft signale aussi des sorties potentiellement inexactes, périmées ou biaisées malgré l’alignement. Vérifiez la réponse finale à partir des conditions et des sources du problème. Le livrable utile est une solution textuelle, une explication ou une proposition de code dont les hypothèses et les éléments probants à l’appui restent clairs.
", "aboutText": "Phi-4 est le transformeur dense à décodeur seul de 14 milliards de paramètres de Microsoft Research pour la génération de texte. Son développement privilégie des données d’entraînement de grande qualité et le raisonnement avancé dans un modèle relativement compact. Il accepte du texte, convient particulièrement à une consigne au format conversationnel et génère une réponse textuelle, une explication ou du code. L’édition exacte Phi-4 est distincte des versions de raisonnement, mini et multimodales ultérieures.\n\n### Entraînement et usages prévus\n\nLe fabricant combine des documents publics et du code filtrés selon leur qualité, des données pédagogiques synthétiques nouvellement créées, des livres universitaires acquis et des jeux de données de questions-réponses. Les données synthétiques enseignent les mathématiques, la programmation, le raisonnement de sens commun et les connaissances générales. Le réglage fin supervisé et l’optimisation directe des préférences améliorent ensuite le respect des consignes et le comportement des réponses.\n\nLe fabricant présente Phi-4 comme un composant pour les applications ayant des contraintes de mémoire ou de calcul, des besoins de réponses interactives et des tâches de raisonnement ou de logique, principalement en anglais. Donnez à la tâche toutes les conditions et les renseignements sources nécessaires à la réponse. Pour un problème mathématique, définissez les variables, les restrictions du domaine et la forme du résultat; pour une explication, précisez le public et les concepts à relier.\n\n### Raisonnement à partir d’un problème clair\n\nConsigne utile : « Comparez ces conditions, déterminez si la solution proposée satisfait chacune et expliquez le premier échec. Indiquez les renseignements manquants avant de conclure. » Pour une question fondée sur des sources, étiquetez les passages et demandez le constat appuyé par chacun. Demandez à la réponse de préserver les noms, les unités et les hypothèses qui influent sur le résultat.\n\nMême une longue consigne doit avoir un seul objectif clair. Le contexte publié est de 16K jetons et contient ensemble les consignes, le texte source, la conversation et la réponse générée. Gardez les éléments pertinents dans l’entrée et réservez de la place à l’explication finale. Le budget de génération de l’exemple de la fiche est illustratif et n’établit pas une longueur maximale de réponse universelle distincte.\n\n### Aide à la programmation\n\nPhi-4 peut proposer du code, expliquer une fonction ou raisonner sur une entrée en échec. Fournissez l’implémentation, le comportement attendu et un cas représentatif permettant de distinguer un résultat correct. Demandez le livrable de code séparément de son explication et désignez les interfaces à préserver.\n\nLe fabricant indique que l’essentiel de l’entraînement au code repose sur Python, particulièrement les modules courants de sa bibliothèque standard. L’utilisation d’autres bibliothèques ou langages de programmation exige une vérification minutieuse des API. Une fonction ou un script généré n’a pas été exécuté simplement parce qu’il semble complet; lancez-le dans l’environnement prévu et utilisez les erreurs ou les observations réelles pour réviser le résultat.\n\n### Format conversationnel et langue\n\nLa représentation de consigne du fabricant sépare les tours system, user et assistant. Une consigne système peut définir le rôle ou le style de réponse, tandis que le message utilisateur contient le problème réel. Conservez le format du modèle exact plutôt que de copier un modèle de consigne Phi ultérieur ou de supposer une fonction d’entrée image ou d’appel d’outil d’une autre édition.\n\nPhi-4 est entraîné principalement en anglais et n’est pas destiné à servir de modèle multilingue. Les autres langues et les variétés d’anglais moins représentées peuvent présenter des performances inférieures. Fournissez la graphie précise des noms techniques et évaluez la réponse dans la langue requise par la tâche plutôt que de traiter la faible part multilingue des données d’entraînement comme une vaste prise en charge linguistique.\n\n### Limites de fiabilité\n\nLa date limite des données publiques d’entraînement est juin 2024 ou avant. Pour les affirmations actuelles ou sensibles aux sources, fournissez des documents faisant autorité dans la consigne. Microsoft signale aussi des sorties potentiellement inexactes, périmées ou biaisées malgré l’alignement. Vérifiez la réponse finale à partir des conditions et des sources du problème. Le livrable utile est une solution textuelle, une explication ou une proposition de code dont les hypothèses et les éléments probants à l’appui restent clairs.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
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 est le modèle textuel de 14 milliards de paramètres de Microsoft Research pour le raisonnement en anglais, les mathématiques et l’aide à la programmation. Il utilise un contexte de 16K et un format de consignes conversationnel pour produire des explications et du code proposé à partir d’un problème complet et du texte fourni.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Phi-4 est le transformeur dense à décodeur seul de 14 milliards de paramètres de Microsoft Research pour la génération de texte. Son développement privilégie des données d’entraînement de grande qualité et le raisonnement avancé dans un modèle relativement compact. Il accepte du texte, convient particulièrement à une consigne au format conversationnel et génère une réponse textuelle, une explication ou du code. L’édition exacte Phi-4 est distincte des versions de raisonnement, mini et multimodales ultérieures.
Le fabricant combine des documents publics et du code filtrés selon leur qualité, des données pédagogiques synthétiques nouvellement créées, des livres universitaires acquis et des jeux de données de questions-réponses. Les données synthétiques enseignent les mathématiques, la programmation, le raisonnement de sens commun et les connaissances générales. Le réglage fin supervisé et l’optimisation directe des préférences améliorent ensuite le respect des consignes et le comportement des réponses.
Le fabricant présente Phi-4 comme un composant pour les applications ayant des contraintes de mémoire ou de calcul, des besoins de réponses interactives et des tâches de raisonnement ou de logique, principalement en anglais. Donnez à la tâche toutes les conditions et les renseignements sources nécessaires à la réponse. Pour un problème mathématique, définissez les variables, les restrictions du domaine et la forme du résultat; pour une explication, précisez le public et les concepts à relier.
Consigne utile : « Comparez ces conditions, déterminez si la solution proposée satisfait chacune et expliquez le premier échec. Indiquez les renseignements manquants avant de conclure. » Pour une question fondée sur des sources, étiquetez les passages et demandez le constat appuyé par chacun. Demandez à la réponse de préserver les noms, les unités et les hypothèses qui influent sur le résultat.
Même une longue consigne doit avoir un seul objectif clair. Le contexte publié est de 16K jetons et contient ensemble les consignes, le texte source, la conversation et la réponse générée. Gardez les éléments pertinents dans l’entrée et réservez de la place à l’explication finale. Le budget de génération de l’exemple de la fiche est illustratif et n’établit pas une longueur maximale de réponse universelle distincte.
Phi-4 peut proposer du code, expliquer une fonction ou raisonner sur une entrée en échec. Fournissez l’implémentation, le comportement attendu et un cas représentatif permettant de distinguer un résultat correct. Demandez le livrable de code séparément de son explication et désignez les interfaces à préserver.
Le fabricant indique que l’essentiel de l’entraînement au code repose sur Python, particulièrement les modules courants de sa bibliothèque standard. L’utilisation d’autres bibliothèques ou langages de programmation exige une vérification minutieuse des API. Une fonction ou un script généré n’a pas été exécuté simplement parce qu’il semble complet; lancez-le dans l’environnement prévu et utilisez les erreurs ou les observations réelles pour réviser le résultat.
La représentation de consigne du fabricant sépare les tours system, user et assistant. Une consigne système peut définir le rôle ou le style de réponse, tandis que le message utilisateur contient le problème réel. Conservez le format du modèle exact plutôt que de copier un modèle de consigne Phi ultérieur ou de supposer une fonction d’entrée image ou d’appel d’outil d’une autre édition.
Phi-4 est entraîné principalement en anglais et n’est pas destiné à servir de modèle multilingue. Les autres langues et les variétés d’anglais moins représentées peuvent présenter des performances inférieures. Fournissez la graphie précise des noms techniques et évaluez la réponse dans la langue requise par la tâche plutôt que de traiter la faible part multilingue des données d’entraînement comme une vaste prise en charge linguistique.
La date limite des données publiques d’entraînement est juin 2024 ou avant. Pour les affirmations actuelles ou sensibles aux sources, fournissez des documents faisant autorité dans la consigne. Microsoft signale aussi des sorties potentiellement inexactes, périmées ou biaisées malgré l’alignement. Vérifiez la réponse finale à partir des conditions et des sources du problème. Le livrable utile est une solution textuelle, une explication ou une proposition de code dont les hypothèses et les éléments probants à l’appui restent clairs.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites microsoft/phi-4 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’ID réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: Fonction fournie comme outil | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | ContratTableau de messages avec une structure role/content |
Paramètrefile_material | ContratDocument UTF-8 réel inséré comme texte littéral ; aucun ID de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | ContratPropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’ID exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objet fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00014 / 1K jetons Sortie · Jetons en sortie $0.00028 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00014 / 1K jetons Sortie · Jetons en sortie $0.00028 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra microsoft/phi-4
Utilisez les chemins de méthode indiqués ci-dessus.
microsoft/phi-4Phi-4 est le modèle textuel de 14 milliards de paramètres de Microsoft Research pour le raisonnement en anglais, les mathématiques et l’aide à la programmation. Il utilise un contexte de 16K et un format de consignes conversationnel pour produire des explications et du code proposé à partir d’un problème complet et du texte fourni.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Phi-4 est le transformeur dense à décodeur seul de 14 milliards de paramètres de Microsoft Research pour la génération de texte. Son développement privilégie des données d’entraînement de grande qualité et le raisonnement avancé dans un modèle relativement compact. Il accepte du texte, convient particulièrement à une consigne au format conversationnel et génère une réponse textuelle, une explication ou du code. L’édition exacte Phi-4 est distincte des versions de raisonnement, mini et multimodales ultérieures.
Le fabricant combine des documents publics et du code filtrés selon leur qualité, des données pédagogiques synthétiques nouvellement créées, des livres universitaires acquis et des jeux de données de questions-réponses. Les données synthétiques enseignent les mathématiques, la programmation, le raisonnement de sens commun et les connaissances générales. Le réglage fin supervisé et l’optimisation directe des préférences améliorent ensuite le respect des consignes et le comportement des réponses.
Le fabricant présente Phi-4 comme un composant pour les applications ayant des contraintes de mémoire ou de calcul, des besoins de réponses interactives et des tâches de raisonnement ou de logique, principalement en anglais. Donnez à la tâche toutes les conditions et les renseignements sources nécessaires à la réponse. Pour un problème mathématique, définissez les variables, les restrictions du domaine et la forme du résultat; pour une explication, précisez le public et les concepts à relier.
Consigne utile : « Comparez ces conditions, déterminez si la solution proposée satisfait chacune et expliquez le premier échec. Indiquez les renseignements manquants avant de conclure. » Pour une question fondée sur des sources, étiquetez les passages et demandez le constat appuyé par chacun. Demandez à la réponse de préserver les noms, les unités et les hypothèses qui influent sur le résultat.
Même une longue consigne doit avoir un seul objectif clair. Le contexte publié est de 16K jetons et contient ensemble les consignes, le texte source, la conversation et la réponse générée. Gardez les éléments pertinents dans l’entrée et réservez de la place à l’explication finale. Le budget de génération de l’exemple de la fiche est illustratif et n’établit pas une longueur maximale de réponse universelle distincte.
Phi-4 peut proposer du code, expliquer une fonction ou raisonner sur une entrée en échec. Fournissez l’implémentation, le comportement attendu et un cas représentatif permettant de distinguer un résultat correct. Demandez le livrable de code séparément de son explication et désignez les interfaces à préserver.
Le fabricant indique que l’essentiel de l’entraînement au code repose sur Python, particulièrement les modules courants de sa bibliothèque standard. L’utilisation d’autres bibliothèques ou langages de programmation exige une vérification minutieuse des API. Une fonction ou un script généré n’a pas été exécuté simplement parce qu’il semble complet; lancez-le dans l’environnement prévu et utilisez les erreurs ou les observations réelles pour réviser le résultat.
La représentation de consigne du fabricant sépare les tours system, user et assistant. Une consigne système peut définir le rôle ou le style de réponse, tandis que le message utilisateur contient le problème réel. Conservez le format du modèle exact plutôt que de copier un modèle de consigne Phi ultérieur ou de supposer une fonction d’entrée image ou d’appel d’outil d’une autre édition.
Phi-4 est entraîné principalement en anglais et n’est pas destiné à servir de modèle multilingue. Les autres langues et les variétés d’anglais moins représentées peuvent présenter des performances inférieures. Fournissez la graphie précise des noms techniques et évaluez la réponse dans la langue requise par la tâche plutôt que de traiter la faible part multilingue des données d’entraînement comme une vaste prise en charge linguistique.
La date limite des données publiques d’entraînement est juin 2024 ou avant. Pour les affirmations actuelles ou sensibles aux sources, fournissez des documents faisant autorité dans la consigne. Microsoft signale aussi des sorties potentiellement inexactes, périmées ou biaisées malgré l’alignement. Vérifiez la réponse finale à partir des conditions et des sources du problème. Le livrable utile est une solution textuelle, une explication ou une proposition de code dont les hypothèses et les éléments probants à l’appui restent clairs.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites microsoft/phi-4 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
Chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00014 / 1K jetons Sortie · Jetons en sortie $0.00028 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00014 / 1K jetons Sortie · Jetons en sortie $0.00028 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "microsoft/phi-4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les ID réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra microsoft/phi-4
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
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.