Phi-4 to gęsty transformer typu decoder-only Microsoft Research o 14 mld parametrów, przeznaczony do generowania tekstu. Jego rozwój skupia się na wysokiej jakości materiale treningowym i zaawansowanym rozumowaniu w stosunkowo kompaktowym modelu. Przyjmuje tekst, najlepiej nadaje się do polecenia sformatowanego jako rozmowa i generuje tekstową odpowiedź, wyjaśnienie lub kod. Dokładna edycja Phi-4 jest odrębna od późniejszych wydań reasoning, mini i multimodalnych.
Producent łączy publiczne dokumenty i kod filtrowane pod kątem jakości, nowo utworzone syntetyczne dane edukacyjne, pozyskane książki akademickie i zbiory pytań oraz odpowiedzi. Materiał syntetyczny uczy matematyki, programowania, rozumowania zdroworozsądkowego i wiedzy ogólnej. Nadzorowane dostrajanie i bezpośrednia optymalizacja preferencji poprawiają następnie zgodność z instrukcjami i zachowanie odpowiedzi.
Producent pozycjonuje Phi-4 jako element aplikacji z ograniczeniami pamięci lub obliczeń, potrzebami interaktywnych odpowiedzi oraz zadaniami rozumowania lub logiki, głównie w języku angielskim. Przekaż pełne warunki zadania i informacje źródłowe potrzebne do odpowiedzi. Dla problemu matematycznego zdefiniuj zmienne, ograniczenia dziedziny i postać wyniku; dla wyjaśnienia wskaż odbiorców i pojęcia, które należy połączyć.
Użyteczne wytyczne: „Porównaj te warunki, ustal, czy proponowane rozwiązanie spełnia każdy z nich, i wyjaśnij pierwszy błąd. Wskaż brakujące informacje przed wyciągnięciem wniosku”. Dla pytania opartego na źródłach oznacz fragmenty i poproś o ustalenie wspierane przez każdy z nich. Wymagaj zachowania nazw, jednostek i założeń wpływających na wynik.
Dłuższe polecenie nadal powinno mieć jeden jasny cel. Opublikowany kontekst wynosi 16K tokenów i obejmuje łącznie instrukcje, tekst źródłowy, rozmowę i generowaną odpowiedź. Zachowuj istotne dowody na wejściu i rezerwuj miejsce na końcowe wyjaśnienie. Przykładowy budżet generowania z karty ma charakter ilustracyjny i nie ustanawia osobnej uniwersalnej maksymalnej długości odpowiedzi.
Phi-4 może proponować kod, wyjaśniać funkcję lub analizować wejście powodujące błąd. Dostarcz implementację, oczekiwane zachowanie i reprezentatywny przypadek rozróżniający poprawny wynik. Poproś o kod osobno od jego wyjaśnienia i wskaż interfejsy, które muszą pozostać nienaruszone.
Producent zauważa, że większość treningu kodowego opiera się na Pythonie, zwłaszcza typowych pakietach biblioteki standardowej. Zastosowania innych pakietów lub języków programowania wymagają starannej weryfikacji API. Wygenerowana funkcja lub skrypt nie zostały wykonane tylko dlatego, że wyglądają na kompletne; uruchom je w przeznaczonym środowisku i wykorzystaj rzeczywiste błędy lub obserwacje do poprawienia wyniku.
Reprezentacja polecenia producenta oddziela tury system, user i assistant. Instrukcja systemowa może definiować rolę lub styl odpowiedzi, a wiadomość użytkownika zawiera rzeczywisty problem. Zachowuj format dokładnego modelu, zamiast kopiować późniejszy szablon Phi lub zakładać wejście obrazowe czy wywoływanie narzędzi na podstawie innej edycji.
Phi-4 trenowano głównie w języku angielskim i nie jest przeznaczony jako model wielojęzyczny. W innych językach i słabiej reprezentowanych odmianach angielskiego model może osiągać gorsze wyniki. Dostarczaj dokładne brzmienie nazw technicznych i oceniaj odpowiedź w języku potrzebnym zadaniu, zamiast traktować niewielki wielojęzyczny udział danych treningowych jako szeroką obsługę języków.
Data graniczna treningu na danych publicznych to czerwiec 2024 r. i wcześniej. Dla twierdzeń aktualnych lub zależnych od źródeł dostarczaj autorytatywny materiał w poleceniu. Microsoft wskazuje też możliwość niepoprawnego, przestarzałego lub stronniczego wyjścia mimo dopasowania. Sprawdzaj odpowiedź końcową względem warunków problemu i źródeł. Użytecznym rezultatem jest rozwiązanie tekstowe, wyjaśnienie lub propozycja kodu z jasno zachowanymi założeniami i wspierającymi dowodami.
", "aboutText": "Phi-4 to gęsty transformer typu decoder-only Microsoft Research o 14 mld parametrów, przeznaczony do generowania tekstu. Jego rozwój skupia się na wysokiej jakości materiale treningowym i zaawansowanym rozumowaniu w stosunkowo kompaktowym modelu. Przyjmuje tekst, najlepiej nadaje się do polecenia sformatowanego jako rozmowa i generuje tekstową odpowiedź, wyjaśnienie lub kod. Dokładna edycja Phi-4 jest odrębna od późniejszych wydań reasoning, mini i multimodalnych.\n\n### Trening i zamierzone zastosowanie\n\nProducent łączy publiczne dokumenty i kod filtrowane pod kątem jakości, nowo utworzone syntetyczne dane edukacyjne, pozyskane książki akademickie i zbiory pytań oraz odpowiedzi. Materiał syntetyczny uczy matematyki, programowania, rozumowania zdroworozsądkowego i wiedzy ogólnej. Nadzorowane dostrajanie i bezpośrednia optymalizacja preferencji poprawiają następnie zgodność z instrukcjami i zachowanie odpowiedzi.\n\nProducent pozycjonuje Phi-4 jako element aplikacji z ograniczeniami pamięci lub obliczeń, potrzebami interaktywnych odpowiedzi oraz zadaniami rozumowania lub logiki, głównie w języku angielskim. Przekaż pełne warunki zadania i informacje źródłowe potrzebne do odpowiedzi. Dla problemu matematycznego zdefiniuj zmienne, ograniczenia dziedziny i postać wyniku; dla wyjaśnienia wskaż odbiorców i pojęcia, które należy połączyć.\n\n### Rozumowanie na podstawie jasnego problemu\n\nUżyteczne wytyczne: „Porównaj te warunki, ustal, czy proponowane rozwiązanie spełnia każdy z nich, i wyjaśnij pierwszy błąd. Wskaż brakujące informacje przed wyciągnięciem wniosku”. Dla pytania opartego na źródłach oznacz fragmenty i poproś o ustalenie wspierane przez każdy z nich. Wymagaj zachowania nazw, jednostek i założeń wpływających na wynik.\n\nDłuższe polecenie nadal powinno mieć jeden jasny cel. Opublikowany kontekst wynosi 16K tokenów i obejmuje łącznie instrukcje, tekst źródłowy, rozmowę i generowaną odpowiedź. Zachowuj istotne dowody na wejściu i rezerwuj miejsce na końcowe wyjaśnienie. Przykładowy budżet generowania z karty ma charakter ilustracyjny i nie ustanawia osobnej uniwersalnej maksymalnej długości odpowiedzi.\n\n### Pomoc w programowaniu\n\nPhi-4 może proponować kod, wyjaśniać funkcję lub analizować wejście powodujące błąd. Dostarcz implementację, oczekiwane zachowanie i reprezentatywny przypadek rozróżniający poprawny wynik. Poproś o kod osobno od jego wyjaśnienia i wskaż interfejsy, które muszą pozostać nienaruszone.\n\nProducent zauważa, że większość treningu kodowego opiera się na Pythonie, zwłaszcza typowych pakietach biblioteki standardowej. Zastosowania innych pakietów lub języków programowania wymagają starannej weryfikacji API. Wygenerowana funkcja lub skrypt nie zostały wykonane tylko dlatego, że wyglądają na kompletne; uruchom je w przeznaczonym środowisku i wykorzystaj rzeczywiste błędy lub obserwacje do poprawienia wyniku.\n\n### Format rozmowy i język\n\nReprezentacja polecenia producenta oddziela tury system, user i assistant. Instrukcja systemowa może definiować rolę lub styl odpowiedzi, a wiadomość użytkownika zawiera rzeczywisty problem. Zachowuj format dokładnego modelu, zamiast kopiować późniejszy szablon Phi lub zakładać wejście obrazowe czy wywoływanie narzędzi na podstawie innej edycji.\n\nPhi-4 trenowano głównie w języku angielskim i nie jest przeznaczony jako model wielojęzyczny. W innych językach i słabiej reprezentowanych odmianach angielskiego model może osiągać gorsze wyniki. Dostarczaj dokładne brzmienie nazw technicznych i oceniaj odpowiedź w języku potrzebnym zadaniu, zamiast traktować niewielki wielojęzyczny udział danych treningowych jako szeroką obsługę języków.\n\n### Granice wiarygodności\n\nData graniczna treningu na danych publicznych to czerwiec 2024 r. i wcześniej. Dla twierdzeń aktualnych lub zależnych od źródeł dostarczaj autorytatywny materiał w poleceniu. Microsoft wskazuje też możliwość niepoprawnego, przestarzałego lub stronniczego wyjścia mimo dopasowania. Sprawdzaj odpowiedź końcową względem warunków problemu i źródeł. Użytecznym rezultatem jest rozwiązanie tekstowe, wyjaśnienie lub propozycja kodu z jasno zachowanymi założeniami i wspierającymi dowodami.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
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 to model tekstowy Microsoft Research o 14 mld parametrów do rozumowania w języku angielskim, matematyki i pomocy programistycznej. Korzysta z kontekstu 16K i formatu instrukcji konwersacyjnych, tworząc wyjaśnienia i propozycje kodu na podstawie pełnego opisu problemu oraz dostarczonego tekstu.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Phi-4 to gęsty transformer typu decoder-only Microsoft Research o 14 mld parametrów, przeznaczony do generowania tekstu. Jego rozwój skupia się na wysokiej jakości materiale treningowym i zaawansowanym rozumowaniu w stosunkowo kompaktowym modelu. Przyjmuje tekst, najlepiej nadaje się do polecenia sformatowanego jako rozmowa i generuje tekstową odpowiedź, wyjaśnienie lub kod. Dokładna edycja Phi-4 jest odrębna od późniejszych wydań reasoning, mini i multimodalnych.
Producent łączy publiczne dokumenty i kod filtrowane pod kątem jakości, nowo utworzone syntetyczne dane edukacyjne, pozyskane książki akademickie i zbiory pytań oraz odpowiedzi. Materiał syntetyczny uczy matematyki, programowania, rozumowania zdroworozsądkowego i wiedzy ogólnej. Nadzorowane dostrajanie i bezpośrednia optymalizacja preferencji poprawiają następnie zgodność z instrukcjami i zachowanie odpowiedzi.
Producent pozycjonuje Phi-4 jako element aplikacji z ograniczeniami pamięci lub obliczeń, potrzebami interaktywnych odpowiedzi oraz zadaniami rozumowania lub logiki, głównie w języku angielskim. Przekaż pełne warunki zadania i informacje źródłowe potrzebne do odpowiedzi. Dla problemu matematycznego zdefiniuj zmienne, ograniczenia dziedziny i postać wyniku; dla wyjaśnienia wskaż odbiorców i pojęcia, które należy połączyć.
Użyteczne wytyczne: „Porównaj te warunki, ustal, czy proponowane rozwiązanie spełnia każdy z nich, i wyjaśnij pierwszy błąd. Wskaż brakujące informacje przed wyciągnięciem wniosku”. Dla pytania opartego na źródłach oznacz fragmenty i poproś o ustalenie wspierane przez każdy z nich. Wymagaj zachowania nazw, jednostek i założeń wpływających na wynik.
Dłuższe polecenie nadal powinno mieć jeden jasny cel. Opublikowany kontekst wynosi 16K tokenów i obejmuje łącznie instrukcje, tekst źródłowy, rozmowę i generowaną odpowiedź. Zachowuj istotne dowody na wejściu i rezerwuj miejsce na końcowe wyjaśnienie. Przykładowy budżet generowania z karty ma charakter ilustracyjny i nie ustanawia osobnej uniwersalnej maksymalnej długości odpowiedzi.
Phi-4 może proponować kod, wyjaśniać funkcję lub analizować wejście powodujące błąd. Dostarcz implementację, oczekiwane zachowanie i reprezentatywny przypadek rozróżniający poprawny wynik. Poproś o kod osobno od jego wyjaśnienia i wskaż interfejsy, które muszą pozostać nienaruszone.
Producent zauważa, że większość treningu kodowego opiera się na Pythonie, zwłaszcza typowych pakietach biblioteki standardowej. Zastosowania innych pakietów lub języków programowania wymagają starannej weryfikacji API. Wygenerowana funkcja lub skrypt nie zostały wykonane tylko dlatego, że wyglądają na kompletne; uruchom je w przeznaczonym środowisku i wykorzystaj rzeczywiste błędy lub obserwacje do poprawienia wyniku.
Reprezentacja polecenia producenta oddziela tury system, user i assistant. Instrukcja systemowa może definiować rolę lub styl odpowiedzi, a wiadomość użytkownika zawiera rzeczywisty problem. Zachowuj format dokładnego modelu, zamiast kopiować późniejszy szablon Phi lub zakładać wejście obrazowe czy wywoływanie narzędzi na podstawie innej edycji.
Phi-4 trenowano głównie w języku angielskim i nie jest przeznaczony jako model wielojęzyczny. W innych językach i słabiej reprezentowanych odmianach angielskiego model może osiągać gorsze wyniki. Dostarczaj dokładne brzmienie nazw technicznych i oceniaj odpowiedź w języku potrzebnym zadaniu, zamiast traktować niewielki wielojęzyczny udział danych treningowych jako szeroką obsługę języków.
Data graniczna treningu na danych publicznych to czerwiec 2024 r. i wcześniej. Dla twierdzeń aktualnych lub zależnych od źródeł dostarczaj autorytatywny materiał w poleceniu. Microsoft wskazuje też możliwość niepoprawnego, przestarzałego lub stronniczego wyjścia mimo dopasowania. Sprawdzaj odpowiedź końcową względem warunków problemu i źródeł. Użytecznym rezultatem jest rozwiązanie tekstowe, wyjaśnienie lub propozycja kodu z jasno zachowanymi założeniami i wspierającymi dowodami.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity microsoft/phi-4 | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.00014 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00028 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.00014 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00028 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra microsoft/phi-4
Użyj ścieżek metod podanych powyżej.
microsoft/phi-4Phi-4 to model tekstowy Microsoft Research o 14 mld parametrów do rozumowania w języku angielskim, matematyki i pomocy programistycznej. Korzysta z kontekstu 16K i formatu instrukcji konwersacyjnych, tworząc wyjaśnienia i propozycje kodu na podstawie pełnego opisu problemu oraz dostarczonego tekstu.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Phi-4 to gęsty transformer typu decoder-only Microsoft Research o 14 mld parametrów, przeznaczony do generowania tekstu. Jego rozwój skupia się na wysokiej jakości materiale treningowym i zaawansowanym rozumowaniu w stosunkowo kompaktowym modelu. Przyjmuje tekst, najlepiej nadaje się do polecenia sformatowanego jako rozmowa i generuje tekstową odpowiedź, wyjaśnienie lub kod. Dokładna edycja Phi-4 jest odrębna od późniejszych wydań reasoning, mini i multimodalnych.
Producent łączy publiczne dokumenty i kod filtrowane pod kątem jakości, nowo utworzone syntetyczne dane edukacyjne, pozyskane książki akademickie i zbiory pytań oraz odpowiedzi. Materiał syntetyczny uczy matematyki, programowania, rozumowania zdroworozsądkowego i wiedzy ogólnej. Nadzorowane dostrajanie i bezpośrednia optymalizacja preferencji poprawiają następnie zgodność z instrukcjami i zachowanie odpowiedzi.
Producent pozycjonuje Phi-4 jako element aplikacji z ograniczeniami pamięci lub obliczeń, potrzebami interaktywnych odpowiedzi oraz zadaniami rozumowania lub logiki, głównie w języku angielskim. Przekaż pełne warunki zadania i informacje źródłowe potrzebne do odpowiedzi. Dla problemu matematycznego zdefiniuj zmienne, ograniczenia dziedziny i postać wyniku; dla wyjaśnienia wskaż odbiorców i pojęcia, które należy połączyć.
Użyteczne wytyczne: „Porównaj te warunki, ustal, czy proponowane rozwiązanie spełnia każdy z nich, i wyjaśnij pierwszy błąd. Wskaż brakujące informacje przed wyciągnięciem wniosku”. Dla pytania opartego na źródłach oznacz fragmenty i poproś o ustalenie wspierane przez każdy z nich. Wymagaj zachowania nazw, jednostek i założeń wpływających na wynik.
Dłuższe polecenie nadal powinno mieć jeden jasny cel. Opublikowany kontekst wynosi 16K tokenów i obejmuje łącznie instrukcje, tekst źródłowy, rozmowę i generowaną odpowiedź. Zachowuj istotne dowody na wejściu i rezerwuj miejsce na końcowe wyjaśnienie. Przykładowy budżet generowania z karty ma charakter ilustracyjny i nie ustanawia osobnej uniwersalnej maksymalnej długości odpowiedzi.
Phi-4 może proponować kod, wyjaśniać funkcję lub analizować wejście powodujące błąd. Dostarcz implementację, oczekiwane zachowanie i reprezentatywny przypadek rozróżniający poprawny wynik. Poproś o kod osobno od jego wyjaśnienia i wskaż interfejsy, które muszą pozostać nienaruszone.
Producent zauważa, że większość treningu kodowego opiera się na Pythonie, zwłaszcza typowych pakietach biblioteki standardowej. Zastosowania innych pakietów lub języków programowania wymagają starannej weryfikacji API. Wygenerowana funkcja lub skrypt nie zostały wykonane tylko dlatego, że wyglądają na kompletne; uruchom je w przeznaczonym środowisku i wykorzystaj rzeczywiste błędy lub obserwacje do poprawienia wyniku.
Reprezentacja polecenia producenta oddziela tury system, user i assistant. Instrukcja systemowa może definiować rolę lub styl odpowiedzi, a wiadomość użytkownika zawiera rzeczywisty problem. Zachowuj format dokładnego modelu, zamiast kopiować późniejszy szablon Phi lub zakładać wejście obrazowe czy wywoływanie narzędzi na podstawie innej edycji.
Phi-4 trenowano głównie w języku angielskim i nie jest przeznaczony jako model wielojęzyczny. W innych językach i słabiej reprezentowanych odmianach angielskiego model może osiągać gorsze wyniki. Dostarczaj dokładne brzmienie nazw technicznych i oceniaj odpowiedź w języku potrzebnym zadaniu, zamiast traktować niewielki wielojęzyczny udział danych treningowych jako szeroką obsługę języków.
Data graniczna treningu na danych publicznych to czerwiec 2024 r. i wcześniej. Dla twierdzeń aktualnych lub zależnych od źródeł dostarczaj autorytatywny materiał w poleceniu. Microsoft wskazuje też możliwość niepoprawnego, przestarzałego lub stronniczego wyjścia mimo dopasowania. Sprawdzaj odpowiedź końcową względem warunków problemu i źródeł. Użytecznym rezultatem jest rozwiązanie tekstowe, wyjaśnienie lub propozycja kodu z jasno zachowanymi założeniami i wspierającymi dowodami.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity microsoft/phi-4 | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.00014 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00028 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.00014 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00028 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "microsoft/phi-4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra microsoft/phi-4
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
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.