Phi-4 é o transformer denso apenas com descodificador, de 14 mil milhões de parâmetros, da Microsoft Research para geração de texto. O seu desenvolvimento centra-se em material de treino de elevada qualidade e raciocínio avançado num modelo relativamente compacto. Aceita texto, adequa-se melhor a pedidos formatados como conversa e gera uma resposta em texto, explicação ou código. A edição exata Phi-4 é distinta das versões posteriores de raciocínio, mini e multimodais.
O fabricante combina documentos públicos e código filtrados por qualidade, dados educativos sintéticos criados de raiz, livros académicos adquiridos e conjuntos de dados de perguntas e respostas. O material sintético ensina matemática, programação, raciocínio de senso comum e conhecimento geral. O ajuste fino supervisionado e a otimização direta de preferências melhoram depois a adesão às instruções e o comportamento das respostas.
O produtor posiciona Phi-4 como componente para aplicações com restrições de memória ou computação, necessidades de resposta interativa e tarefas de raciocínio ou lógica, principalmente em inglês. Forneça à tarefa a condição completa e as informações de origem necessárias para responder. Para um problema matemático, defina as variáveis, as restrições do domínio e a forma do resultado; para uma explicação, identifique o público e os conceitos que deve relacionar.
Um pedido útil é: «Compare estas condições, identifique se a solução proposta satisfaz cada uma e explique a primeira falha. Indique quaisquer informações em falta antes de chegar a uma conclusão.» Para uma pergunta baseada em fontes, identifique as passagens e peça a conclusão sustentada por cada uma. Peça que a resposta preserve nomes, unidades e pressupostos que afetem o resultado.
Um pedido mais longo deve continuar a ter uma finalidade clara. O contexto publicado é de 16K tokens, contendo em conjunto as instruções, o texto de origem, a conversa e a resposta gerada. Mantenha as evidências relevantes na entrada e reserve espaço para a explicação final. O exemplo de limite de geração da ficha é ilustrativo e não estabelece um comprimento máximo de resposta universal separado.
Phi-4 pode propor código, explicar uma função ou raciocinar sobre uma entrada que falha. Forneça a implementação, o comportamento esperado e um caso representativo que permita distinguir um resultado correto. Peça o código separadamente da sua explicação e identifique as interfaces que devem permanecer intactas.
O fabricante assinala que a maior parte do treino de código se baseia em Python, sobretudo em módulos comuns da biblioteca padrão. A utilização de outros pacotes ou linguagens de programação exige verificação cuidadosa das API. Uma função ou script gerado não foi executado apenas por parecer completo; execute-o no ambiente pretendido e utilize os erros ou observações efetivos para rever o resultado.
A representação de pedidos do fabricante distingue os turnos de sistema, utilizador e assistente. Uma instrução de sistema pode definir a função ou o estilo da resposta, enquanto a mensagem do utilizador contém o problema efetivo. Preserve o formato do modelo exato, em vez de copiar um modelo de formatação Phi posterior ou presumir uma funcionalidade de entrada de imagens ou chamadas de ferramentas de outra edição.
Phi-4 é treinado principalmente em inglês e não se destina a ser um modelo multilingue. Outros idiomas e variedades de inglês menos representadas podem ter um desempenho inferior. Forneça a grafia precisa dos nomes técnicos e avalie a resposta no idioma necessário à tarefa, em vez de tratar a pequena proporção multilingue dos dados de treino como suporte linguístico amplo.
Os dados públicos utilizados no treino datam de junho de 2024 ou de períodos anteriores. Para afirmações atuais ou cuja exatidão dependa da fonte, forneça no pedido material proveniente de fontes de referência. A Microsoft identifica também a possibilidade de saída inexata, desatualizada ou enviesada apesar do alinhamento. Confira a resposta final com as condições do problema e as fontes. O resultado útil é uma solução em texto, uma explicação ou uma proposta de código cujos pressupostos e evidências de suporte permaneçam claros.
", "aboutText": "Phi-4 é o transformer denso apenas com descodificador, de 14 mil milhões de parâmetros, da Microsoft Research para geração de texto. O seu desenvolvimento centra-se em material de treino de elevada qualidade e raciocínio avançado num modelo relativamente compacto. Aceita texto, adequa-se melhor a pedidos formatados como conversa e gera uma resposta em texto, explicação ou código. A edição exata Phi-4 é distinta das versões posteriores de raciocínio, mini e multimodais.\n\n### Treino e utilização prevista\n\nO fabricante combina documentos públicos e código filtrados por qualidade, dados educativos sintéticos criados de raiz, livros académicos adquiridos e conjuntos de dados de perguntas e respostas. O material sintético ensina matemática, programação, raciocínio de senso comum e conhecimento geral. O ajuste fino supervisionado e a otimização direta de preferências melhoram depois a adesão às instruções e o comportamento das respostas.\n\nO produtor posiciona Phi-4 como componente para aplicações com restrições de memória ou computação, necessidades de resposta interativa e tarefas de raciocínio ou lógica, principalmente em inglês. Forneça à tarefa a condição completa e as informações de origem necessárias para responder. Para um problema matemático, defina as variáveis, as restrições do domínio e a forma do resultado; para uma explicação, identifique o público e os conceitos que deve relacionar.\n\n### Raciocínio a partir de um problema claro\n\nUm pedido útil é: «Compare estas condições, identifique se a solução proposta satisfaz cada uma e explique a primeira falha. Indique quaisquer informações em falta antes de chegar a uma conclusão.» Para uma pergunta baseada em fontes, identifique as passagens e peça a conclusão sustentada por cada uma. Peça que a resposta preserve nomes, unidades e pressupostos que afetem o resultado.\n\nUm pedido mais longo deve continuar a ter uma finalidade clara. O contexto publicado é de 16K tokens, contendo em conjunto as instruções, o texto de origem, a conversa e a resposta gerada. Mantenha as evidências relevantes na entrada e reserve espaço para a explicação final. O exemplo de limite de geração da ficha é ilustrativo e não estabelece um comprimento máximo de resposta universal separado.\n\n### Assistência à programação\n\nPhi-4 pode propor código, explicar uma função ou raciocinar sobre uma entrada que falha. Forneça a implementação, o comportamento esperado e um caso representativo que permita distinguir um resultado correto. Peça o código separadamente da sua explicação e identifique as interfaces que devem permanecer intactas.\n\nO fabricante assinala que a maior parte do treino de código se baseia em Python, sobretudo em módulos comuns da biblioteca padrão. A utilização de outros pacotes ou linguagens de programação exige verificação cuidadosa das API. Uma função ou script gerado não foi executado apenas por parecer completo; execute-o no ambiente pretendido e utilize os erros ou observações efetivos para rever o resultado.\n\n### Formato de conversa e idioma\n\nA representação de pedidos do fabricante distingue os turnos de sistema, utilizador e assistente. Uma instrução de sistema pode definir a função ou o estilo da resposta, enquanto a mensagem do utilizador contém o problema efetivo. Preserve o formato do modelo exato, em vez de copiar um modelo de formatação Phi posterior ou presumir uma funcionalidade de entrada de imagens ou chamadas de ferramentas de outra edição.\n\nPhi-4 é treinado principalmente em inglês e não se destina a ser um modelo multilingue. Outros idiomas e variedades de inglês menos representadas podem ter um desempenho inferior. Forneça a grafia precisa dos nomes técnicos e avalie a resposta no idioma necessário à tarefa, em vez de tratar a pequena proporção multilingue dos dados de treino como suporte linguístico amplo.\n\n### Limites de fiabilidade\n\nOs dados públicos utilizados no treino datam de junho de 2024 ou de períodos anteriores. Para afirmações atuais ou cuja exatidão dependa da fonte, forneça no pedido material proveniente de fontes de referência. A Microsoft identifica também a possibilidade de saída inexata, desatualizada ou enviesada apesar do alinhamento. Confira a resposta final com as condições do problema e as fontes. O resultado útil é uma solução em texto, uma explicação ou uma proposta de código cujos pressupostos e evidências de suporte permaneçam claros.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
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 é o modelo de texto de 14 mil milhões de parâmetros da Microsoft Research para raciocínio em inglês, matemática e assistência à programação. Utiliza contexto de 16K e um formato de instruções orientado para conversa, produzindo explicações e propostas de código a partir de um enunciado completo do problema e de texto fornecido.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Phi-4 é o transformer denso apenas com descodificador, de 14 mil milhões de parâmetros, da Microsoft Research para geração de texto. O seu desenvolvimento centra-se em material de treino de elevada qualidade e raciocínio avançado num modelo relativamente compacto. Aceita texto, adequa-se melhor a pedidos formatados como conversa e gera uma resposta em texto, explicação ou código. A edição exata Phi-4 é distinta das versões posteriores de raciocínio, mini e multimodais.
O fabricante combina documentos públicos e código filtrados por qualidade, dados educativos sintéticos criados de raiz, livros académicos adquiridos e conjuntos de dados de perguntas e respostas. O material sintético ensina matemática, programação, raciocínio de senso comum e conhecimento geral. O ajuste fino supervisionado e a otimização direta de preferências melhoram depois a adesão às instruções e o comportamento das respostas.
O produtor posiciona Phi-4 como componente para aplicações com restrições de memória ou computação, necessidades de resposta interativa e tarefas de raciocínio ou lógica, principalmente em inglês. Forneça à tarefa a condição completa e as informações de origem necessárias para responder. Para um problema matemático, defina as variáveis, as restrições do domínio e a forma do resultado; para uma explicação, identifique o público e os conceitos que deve relacionar.
Um pedido útil é: «Compare estas condições, identifique se a solução proposta satisfaz cada uma e explique a primeira falha. Indique quaisquer informações em falta antes de chegar a uma conclusão.» Para uma pergunta baseada em fontes, identifique as passagens e peça a conclusão sustentada por cada uma. Peça que a resposta preserve nomes, unidades e pressupostos que afetem o resultado.
Um pedido mais longo deve continuar a ter uma finalidade clara. O contexto publicado é de 16K tokens, contendo em conjunto as instruções, o texto de origem, a conversa e a resposta gerada. Mantenha as evidências relevantes na entrada e reserve espaço para a explicação final. O exemplo de limite de geração da ficha é ilustrativo e não estabelece um comprimento máximo de resposta universal separado.
Phi-4 pode propor código, explicar uma função ou raciocinar sobre uma entrada que falha. Forneça a implementação, o comportamento esperado e um caso representativo que permita distinguir um resultado correto. Peça o código separadamente da sua explicação e identifique as interfaces que devem permanecer intactas.
O fabricante assinala que a maior parte do treino de código se baseia em Python, sobretudo em módulos comuns da biblioteca padrão. A utilização de outros pacotes ou linguagens de programação exige verificação cuidadosa das API. Uma função ou script gerado não foi executado apenas por parecer completo; execute-o no ambiente pretendido e utilize os erros ou observações efetivos para rever o resultado.
A representação de pedidos do fabricante distingue os turnos de sistema, utilizador e assistente. Uma instrução de sistema pode definir a função ou o estilo da resposta, enquanto a mensagem do utilizador contém o problema efetivo. Preserve o formato do modelo exato, em vez de copiar um modelo de formatação Phi posterior ou presumir uma funcionalidade de entrada de imagens ou chamadas de ferramentas de outra edição.
Phi-4 é treinado principalmente em inglês e não se destina a ser um modelo multilingue. Outros idiomas e variedades de inglês menos representadas podem ter um desempenho inferior. Forneça a grafia precisa dos nomes técnicos e avalie a resposta no idioma necessário à tarefa, em vez de tratar a pequena proporção multilingue dos dados de treino como suporte linguístico amplo.
Os dados públicos utilizados no treino datam de junho de 2024 ou de períodos anteriores. Para afirmações atuais ou cuja exatidão dependa da fonte, forneça no pedido material proveniente de fontes de referência. A Microsoft identifica também a possibilidade de saída inexata, desatualizada ou enviesada apesar do alinhamento. Confira a resposta final com as condições do problema e as fontes. O resultado útil é uma solução em texto, uma explicação ou uma proposta de código cujos pressupostos e evidências de suporte permaneçam claros.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites microsoft/phi-4 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00014 / 1K tokens Saída · Tokens de saída $0.00028 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00014 / 1K tokens Saída · Tokens de saída $0.00028 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra microsoft/phi-4
Use os caminhos dos métodos indicados acima.
microsoft/phi-4Phi-4 é o modelo de texto de 14 mil milhões de parâmetros da Microsoft Research para raciocínio em inglês, matemática e assistência à programação. Utiliza contexto de 16K e um formato de instruções orientado para conversa, produzindo explicações e propostas de código a partir de um enunciado completo do problema e de texto fornecido.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Phi-4 é o transformer denso apenas com descodificador, de 14 mil milhões de parâmetros, da Microsoft Research para geração de texto. O seu desenvolvimento centra-se em material de treino de elevada qualidade e raciocínio avançado num modelo relativamente compacto. Aceita texto, adequa-se melhor a pedidos formatados como conversa e gera uma resposta em texto, explicação ou código. A edição exata Phi-4 é distinta das versões posteriores de raciocínio, mini e multimodais.
O fabricante combina documentos públicos e código filtrados por qualidade, dados educativos sintéticos criados de raiz, livros académicos adquiridos e conjuntos de dados de perguntas e respostas. O material sintético ensina matemática, programação, raciocínio de senso comum e conhecimento geral. O ajuste fino supervisionado e a otimização direta de preferências melhoram depois a adesão às instruções e o comportamento das respostas.
O produtor posiciona Phi-4 como componente para aplicações com restrições de memória ou computação, necessidades de resposta interativa e tarefas de raciocínio ou lógica, principalmente em inglês. Forneça à tarefa a condição completa e as informações de origem necessárias para responder. Para um problema matemático, defina as variáveis, as restrições do domínio e a forma do resultado; para uma explicação, identifique o público e os conceitos que deve relacionar.
Um pedido útil é: «Compare estas condições, identifique se a solução proposta satisfaz cada uma e explique a primeira falha. Indique quaisquer informações em falta antes de chegar a uma conclusão.» Para uma pergunta baseada em fontes, identifique as passagens e peça a conclusão sustentada por cada uma. Peça que a resposta preserve nomes, unidades e pressupostos que afetem o resultado.
Um pedido mais longo deve continuar a ter uma finalidade clara. O contexto publicado é de 16K tokens, contendo em conjunto as instruções, o texto de origem, a conversa e a resposta gerada. Mantenha as evidências relevantes na entrada e reserve espaço para a explicação final. O exemplo de limite de geração da ficha é ilustrativo e não estabelece um comprimento máximo de resposta universal separado.
Phi-4 pode propor código, explicar uma função ou raciocinar sobre uma entrada que falha. Forneça a implementação, o comportamento esperado e um caso representativo que permita distinguir um resultado correto. Peça o código separadamente da sua explicação e identifique as interfaces que devem permanecer intactas.
O fabricante assinala que a maior parte do treino de código se baseia em Python, sobretudo em módulos comuns da biblioteca padrão. A utilização de outros pacotes ou linguagens de programação exige verificação cuidadosa das API. Uma função ou script gerado não foi executado apenas por parecer completo; execute-o no ambiente pretendido e utilize os erros ou observações efetivos para rever o resultado.
A representação de pedidos do fabricante distingue os turnos de sistema, utilizador e assistente. Uma instrução de sistema pode definir a função ou o estilo da resposta, enquanto a mensagem do utilizador contém o problema efetivo. Preserve o formato do modelo exato, em vez de copiar um modelo de formatação Phi posterior ou presumir uma funcionalidade de entrada de imagens ou chamadas de ferramentas de outra edição.
Phi-4 é treinado principalmente em inglês e não se destina a ser um modelo multilingue. Outros idiomas e variedades de inglês menos representadas podem ter um desempenho inferior. Forneça a grafia precisa dos nomes técnicos e avalie a resposta no idioma necessário à tarefa, em vez de tratar a pequena proporção multilingue dos dados de treino como suporte linguístico amplo.
Os dados públicos utilizados no treino datam de junho de 2024 ou de períodos anteriores. Para afirmações atuais ou cuja exatidão dependa da fonte, forneça no pedido material proveniente de fontes de referência. A Microsoft identifica também a possibilidade de saída inexata, desatualizada ou enviesada apesar do alinhamento. Confira a resposta final com as condições do problema e as fontes. O resultado útil é uma solução em texto, uma explicação ou uma proposta de código cujos pressupostos e evidências de suporte permaneçam claros.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites microsoft/phi-4 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00014 / 1K tokens Saída · Tokens de saída $0.00028 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00014 / 1K tokens Saída · Tokens de saída $0.00028 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "microsoft/phi-4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra microsoft/phi-4
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
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.