Phi-4 er Microsoft Researchs tette transformer med bare dekoder og 14 milliarder parametere for tekstgenerering. Utviklingen vektlegger treningsmateriale av høy kvalitet og avansert resonnering i en relativt kompakt modell. Den tar imot tekst, egner seg best til instruksjoner i samtaleformat og genererer et tekstsvar, en forklaring eller kode. Den konkrete Phi-4-utgaven er atskilt fra senere resonnerings-, mini- og multimodale utgivelser.
Produsenten kombinerer kvalitetsfiltrerte offentlige dokumenter og kode, nyopprettede syntetiske pedagogiske data, anskaffede akademiske bøker og datasett med spørsmål og svar. Det syntetiske materialet lærer modellen matematikk, koding, sunn fornuft-resonnering og allmennkunnskap. Veiledet finjustering og direkte preferanseoptimalisering forbedrer deretter instruksjonsfølging og svaroppførsel.
Produsenten plasserer Phi-4 som en byggestein for applikasjoner med minne- eller beregningsbegrensninger, behov for interaktive svar og resonnerings- eller logikkoppgaver, hovedsakelig på engelsk. Gi oppgaven alle betingelsene og kildeinformasjonen som trengs for å svare. Ved et matematisk problem definerer du variablene, domenebegrensningene og resultatets form; ved en forklaring identifiserer du målgruppen og begrepene den skal knytte sammen.
En nyttig beskrivelse er: «Sammenlign disse betingelsene, identifiser om den foreslåtte løsningen oppfyller hver av dem, og forklar den første feilen. Angi manglende informasjon før du trekker en konklusjon.» Ved et kildebasert spørsmål merker du utdragene og ber om funnet som hvert av dem underbygger. Be svaret bevare navn, enheter og forutsetninger som påvirker resultatet.
En lengre instruksjon bør fortsatt ha ett tydelig formål. Den publiserte konteksten er 16K tokener og rommer instruksjoner, kildetekst, samtale og generert svar samlet. Hold relevante belegg i inndataene og sett av plass til den endelige forklaringen. Modellkortets eksempelbudsjett for generering er illustrerende og fastslår ikke en separat universell maksimal svarlengde.
Phi-4 kan foreslå kode, forklare en funksjon eller resonnere gjennom inndata som feiler. Legg ved implementasjonen, forventet oppførsel og et representativt tilfelle som skiller et riktig resultat fra et feilaktig. Be om selve koden separat fra forklaringen og identifiser grensesnitt som må bevares.
Produsenten påpeker at mesteparten av kodetreningen er Python-basert, særlig vanlige pakker i standardbiblioteket. Bruk av andre pakker eller programmeringsspråk krever grundig API-verifikasjon. En generert funksjon eller et skript er ikke kjørt bare fordi det ser komplett ut; kjør det i det tiltenkte miljøet og bruk faktiske feil eller observasjoner til å revidere resultatet.
Produsentens instruksjonsrepresentasjon skiller mellom system-, bruker- og assistentrunder. En systeminstruksjon kan definere rollen eller svarstilen, mens brukermeldingen inneholder selve problemet. Behold den konkrete modellens format fremfor å kopiere en senere Phi-mal eller anta bildeinndata eller verktøykall fra en annen utgave.
Phi-4 er hovedsakelig trent på engelsk og er ikke ment som en flerspråklig modell. Andre språk og mindre representerte engelske varianter kan ha dårligere ytelse. Oppgi presis ordlyd for tekniske navn og vurder svaret på språket oppgaven trenger, fremfor å behandle den lille flerspråklige andelen av treningsdataene som bred språkstøtte.
Kunnskapsgrensen for trening på offentlige data er juni 2024 og tidligere. Ved aktuelle eller kildesensitive påstander legger du autoritativt materiale i instruksjonen. Microsoft identifiserer også mulige unøyaktige, utdaterte eller skjeve utdata til tross for tilpasning. Kontroller sluttsvaret mot problembetingelsene og kildene. Det nyttige resultatet er en tekstlig løsning, forklaring eller et kodeforslag der forutsetningene og de underbyggende beleggene forblir tydelige.
", "aboutText": "Phi-4 er Microsoft Researchs tette transformer med bare dekoder og 14 milliarder parametere for tekstgenerering. Utviklingen vektlegger treningsmateriale av høy kvalitet og avansert resonnering i en relativt kompakt modell. Den tar imot tekst, egner seg best til instruksjoner i samtaleformat og genererer et tekstsvar, en forklaring eller kode. Den konkrete Phi-4-utgaven er atskilt fra senere resonnerings-, mini- og multimodale utgivelser.\n\n### Trening og tiltenkt bruk\n\nProdusenten kombinerer kvalitetsfiltrerte offentlige dokumenter og kode, nyopprettede syntetiske pedagogiske data, anskaffede akademiske bøker og datasett med spørsmål og svar. Det syntetiske materialet lærer modellen matematikk, koding, sunn fornuft-resonnering og allmennkunnskap. Veiledet finjustering og direkte preferanseoptimalisering forbedrer deretter instruksjonsfølging og svaroppførsel.\n\nProdusenten plasserer Phi-4 som en byggestein for applikasjoner med minne- eller beregningsbegrensninger, behov for interaktive svar og resonnerings- eller logikkoppgaver, hovedsakelig på engelsk. Gi oppgaven alle betingelsene og kildeinformasjonen som trengs for å svare. Ved et matematisk problem definerer du variablene, domenebegrensningene og resultatets form; ved en forklaring identifiserer du målgruppen og begrepene den skal knytte sammen.\n\n### Resonnering ut fra et tydelig problem\n\nEn nyttig beskrivelse er: «Sammenlign disse betingelsene, identifiser om den foreslåtte løsningen oppfyller hver av dem, og forklar den første feilen. Angi manglende informasjon før du trekker en konklusjon.» Ved et kildebasert spørsmål merker du utdragene og ber om funnet som hvert av dem underbygger. Be svaret bevare navn, enheter og forutsetninger som påvirker resultatet.\n\nEn lengre instruksjon bør fortsatt ha ett tydelig formål. Den publiserte konteksten er 16K tokener og rommer instruksjoner, kildetekst, samtale og generert svar samlet. Hold relevante belegg i inndataene og sett av plass til den endelige forklaringen. Modellkortets eksempelbudsjett for generering er illustrerende og fastslår ikke en separat universell maksimal svarlengde.\n\n### Kodehjelp\n\nPhi-4 kan foreslå kode, forklare en funksjon eller resonnere gjennom inndata som feiler. Legg ved implementasjonen, forventet oppførsel og et representativt tilfelle som skiller et riktig resultat fra et feilaktig. Be om selve koden separat fra forklaringen og identifiser grensesnitt som må bevares.\n\nProdusenten påpeker at mesteparten av kodetreningen er Python-basert, særlig vanlige pakker i standardbiblioteket. Bruk av andre pakker eller programmeringsspråk krever grundig API-verifikasjon. En generert funksjon eller et skript er ikke kjørt bare fordi det ser komplett ut; kjør det i det tiltenkte miljøet og bruk faktiske feil eller observasjoner til å revidere resultatet.\n\n### Samtaleformat og språk\n\nProdusentens instruksjonsrepresentasjon skiller mellom system-, bruker- og assistentrunder. En systeminstruksjon kan definere rollen eller svarstilen, mens brukermeldingen inneholder selve problemet. Behold den konkrete modellens format fremfor å kopiere en senere Phi-mal eller anta bildeinndata eller verktøykall fra en annen utgave.\n\nPhi-4 er hovedsakelig trent på engelsk og er ikke ment som en flerspråklig modell. Andre språk og mindre representerte engelske varianter kan ha dårligere ytelse. Oppgi presis ordlyd for tekniske navn og vurder svaret på språket oppgaven trenger, fremfor å behandle den lille flerspråklige andelen av treningsdataene som bred språkstøtte.\n\n### Pålitelighetsgrenser\n\nKunnskapsgrensen for trening på offentlige data er juni 2024 og tidligere. Ved aktuelle eller kildesensitive påstander legger du autoritativt materiale i instruksjonen. Microsoft identifiserer også mulige unøyaktige, utdaterte eller skjeve utdata til tross for tilpasning. Kontroller sluttsvaret mot problembetingelsene og kildene. Det nyttige resultatet er en tekstlig løsning, forklaring eller et kodeforslag der forutsetningene og de underbyggende beleggene forblir tydelige.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Check a proposed batch size\n\nA machine makes exactly 12 parts per batch. A supervisor proposes five batches to supply 67 parts and says there will be three spare. Check the proposal using whole batches only. Give the first incorrect claim, the minimum sufficient batch count and the resulting spare-part count. Show the arithmetic briefly.A concise numerical check identifying the failing claim, sufficient batches and surplus.The calculation must use whole batches and meet the 67-part requirement.microsoft/phi-4Phi-4 er Microsoft Researchs tekstmodell med 14 milliarder parametere for engelskspråklig resonnering, matematikk og kodehjelp. Den bruker en kontekst på 16K og et samtaleorientert instruksjonsformat og produserer forklaringer og foreslått kode fra en fullstendig problembeskrivelse og innsendt tekst.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Phi-4 er Microsoft Researchs tette transformer med bare dekoder og 14 milliarder parametere for tekstgenerering. Utviklingen vektlegger treningsmateriale av høy kvalitet og avansert resonnering i en relativt kompakt modell. Den tar imot tekst, egner seg best til instruksjoner i samtaleformat og genererer et tekstsvar, en forklaring eller kode. Den konkrete Phi-4-utgaven er atskilt fra senere resonnerings-, mini- og multimodale utgivelser.
Produsenten kombinerer kvalitetsfiltrerte offentlige dokumenter og kode, nyopprettede syntetiske pedagogiske data, anskaffede akademiske bøker og datasett med spørsmål og svar. Det syntetiske materialet lærer modellen matematikk, koding, sunn fornuft-resonnering og allmennkunnskap. Veiledet finjustering og direkte preferanseoptimalisering forbedrer deretter instruksjonsfølging og svaroppførsel.
Produsenten plasserer Phi-4 som en byggestein for applikasjoner med minne- eller beregningsbegrensninger, behov for interaktive svar og resonnerings- eller logikkoppgaver, hovedsakelig på engelsk. Gi oppgaven alle betingelsene og kildeinformasjonen som trengs for å svare. Ved et matematisk problem definerer du variablene, domenebegrensningene og resultatets form; ved en forklaring identifiserer du målgruppen og begrepene den skal knytte sammen.
En nyttig beskrivelse er: «Sammenlign disse betingelsene, identifiser om den foreslåtte løsningen oppfyller hver av dem, og forklar den første feilen. Angi manglende informasjon før du trekker en konklusjon.» Ved et kildebasert spørsmål merker du utdragene og ber om funnet som hvert av dem underbygger. Be svaret bevare navn, enheter og forutsetninger som påvirker resultatet.
En lengre instruksjon bør fortsatt ha ett tydelig formål. Den publiserte konteksten er 16K tokener og rommer instruksjoner, kildetekst, samtale og generert svar samlet. Hold relevante belegg i inndataene og sett av plass til den endelige forklaringen. Modellkortets eksempelbudsjett for generering er illustrerende og fastslår ikke en separat universell maksimal svarlengde.
Phi-4 kan foreslå kode, forklare en funksjon eller resonnere gjennom inndata som feiler. Legg ved implementasjonen, forventet oppførsel og et representativt tilfelle som skiller et riktig resultat fra et feilaktig. Be om selve koden separat fra forklaringen og identifiser grensesnitt som må bevares.
Produsenten påpeker at mesteparten av kodetreningen er Python-basert, særlig vanlige pakker i standardbiblioteket. Bruk av andre pakker eller programmeringsspråk krever grundig API-verifikasjon. En generert funksjon eller et skript er ikke kjørt bare fordi det ser komplett ut; kjør det i det tiltenkte miljøet og bruk faktiske feil eller observasjoner til å revidere resultatet.
Produsentens instruksjonsrepresentasjon skiller mellom system-, bruker- og assistentrunder. En systeminstruksjon kan definere rollen eller svarstilen, mens brukermeldingen inneholder selve problemet. Behold den konkrete modellens format fremfor å kopiere en senere Phi-mal eller anta bildeinndata eller verktøykall fra en annen utgave.
Phi-4 er hovedsakelig trent på engelsk og er ikke ment som en flerspråklig modell. Andre språk og mindre representerte engelske varianter kan ha dårligere ytelse. Oppgi presis ordlyd for tekniske navn og vurder svaret på språket oppgaven trenger, fremfor å behandle den lille flerspråklige andelen av treningsdataene som bred språkstøtte.
Kunnskapsgrensen for trening på offentlige data er juni 2024 og tidligere. Ved aktuelle eller kildesensitive påstander legger du autoritativt materiale i instruksjonen. Microsoft identifiserer også mulige unøyaktige, utdaterte eller skjeve utdata til tross for tilpasning. Kontroller sluttsvaret mot problembetingelsene og kildene. Det nyttige resultatet er en tekstlig løsning, forklaring eller et kodeforslag der forutsetningene og de underbyggende beleggene forblir tydelige.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser microsoft/phi-4 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00014 / 1K tokener Utdata · Utgående tokener $0.00028 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00014 / 1K tokener Utdata · Utgående tokener $0.00028 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "microsoft/phi-4", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='microsoft/phi-4',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='microsoft/phi-4',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra microsoft/phi-4
Bruk metodestiene som vises ovenfor.
microsoft/phi-4Phi-4 er Microsoft Researchs tekstmodell med 14 milliarder parametere for engelskspråklig resonnering, matematikk og kodehjelp. Den bruker en kontekst på 16K og et samtaleorientert instruksjonsformat og produserer forklaringer og foreslått kode fra en fullstendig problembeskrivelse og innsendt tekst.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Phi-4 er Microsoft Researchs tette transformer med bare dekoder og 14 milliarder parametere for tekstgenerering. Utviklingen vektlegger treningsmateriale av høy kvalitet og avansert resonnering i en relativt kompakt modell. Den tar imot tekst, egner seg best til instruksjoner i samtaleformat og genererer et tekstsvar, en forklaring eller kode. Den konkrete Phi-4-utgaven er atskilt fra senere resonnerings-, mini- og multimodale utgivelser.
Produsenten kombinerer kvalitetsfiltrerte offentlige dokumenter og kode, nyopprettede syntetiske pedagogiske data, anskaffede akademiske bøker og datasett med spørsmål og svar. Det syntetiske materialet lærer modellen matematikk, koding, sunn fornuft-resonnering og allmennkunnskap. Veiledet finjustering og direkte preferanseoptimalisering forbedrer deretter instruksjonsfølging og svaroppførsel.
Produsenten plasserer Phi-4 som en byggestein for applikasjoner med minne- eller beregningsbegrensninger, behov for interaktive svar og resonnerings- eller logikkoppgaver, hovedsakelig på engelsk. Gi oppgaven alle betingelsene og kildeinformasjonen som trengs for å svare. Ved et matematisk problem definerer du variablene, domenebegrensningene og resultatets form; ved en forklaring identifiserer du målgruppen og begrepene den skal knytte sammen.
En nyttig beskrivelse er: «Sammenlign disse betingelsene, identifiser om den foreslåtte løsningen oppfyller hver av dem, og forklar den første feilen. Angi manglende informasjon før du trekker en konklusjon.» Ved et kildebasert spørsmål merker du utdragene og ber om funnet som hvert av dem underbygger. Be svaret bevare navn, enheter og forutsetninger som påvirker resultatet.
En lengre instruksjon bør fortsatt ha ett tydelig formål. Den publiserte konteksten er 16K tokener og rommer instruksjoner, kildetekst, samtale og generert svar samlet. Hold relevante belegg i inndataene og sett av plass til den endelige forklaringen. Modellkortets eksempelbudsjett for generering er illustrerende og fastslår ikke en separat universell maksimal svarlengde.
Phi-4 kan foreslå kode, forklare en funksjon eller resonnere gjennom inndata som feiler. Legg ved implementasjonen, forventet oppførsel og et representativt tilfelle som skiller et riktig resultat fra et feilaktig. Be om selve koden separat fra forklaringen og identifiser grensesnitt som må bevares.
Produsenten påpeker at mesteparten av kodetreningen er Python-basert, særlig vanlige pakker i standardbiblioteket. Bruk av andre pakker eller programmeringsspråk krever grundig API-verifikasjon. En generert funksjon eller et skript er ikke kjørt bare fordi det ser komplett ut; kjør det i det tiltenkte miljøet og bruk faktiske feil eller observasjoner til å revidere resultatet.
Produsentens instruksjonsrepresentasjon skiller mellom system-, bruker- og assistentrunder. En systeminstruksjon kan definere rollen eller svarstilen, mens brukermeldingen inneholder selve problemet. Behold den konkrete modellens format fremfor å kopiere en senere Phi-mal eller anta bildeinndata eller verktøykall fra en annen utgave.
Phi-4 er hovedsakelig trent på engelsk og er ikke ment som en flerspråklig modell. Andre språk og mindre representerte engelske varianter kan ha dårligere ytelse. Oppgi presis ordlyd for tekniske navn og vurder svaret på språket oppgaven trenger, fremfor å behandle den lille flerspråklige andelen av treningsdataene som bred språkstøtte.
Kunnskapsgrensen for trening på offentlige data er juni 2024 og tidligere. Ved aktuelle eller kildesensitive påstander legger du autoritativt materiale i instruksjonen. Microsoft identifiserer også mulige unøyaktige, utdaterte eller skjeve utdata til tross for tilpasning. Kontroller sluttsvaret mot problembetingelsene og kildene. Det nyttige resultatet er en tekstlig løsning, forklaring eller et kodeforslag der forutsetningene og de underbyggende beleggene forblir tydelige.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser microsoft/phi-4 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00014 / 1K tokener Utdata · Utgående tokener $0.00028 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00014 / 1K tokener Utdata · Utgående tokener $0.00028 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "microsoft/phi-4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'microsoft/phi-4', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'microsoft/phi-4', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra microsoft/phi-4
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Check a proposed batch size\n\nA machine makes exactly 12 parts per batch. A supervisor proposes five batches to supply 67 parts and says there will be three spare. Check the proposal using whole batches only. Give the first incorrect claim, the minimum sufficient batch count and the resulting spare-part count. Show the arithmetic briefly.A concise numerical check identifying the failing claim, sufficient batches and surplus.The calculation must use whole batches and meet the 67-part requirement.