Phi-4 är Microsoft Researchs täta transformer med enbart avkodare och 14 miljarder parametrar för textgenerering. Utvecklingen fokuserar på högkvalitativt träningsmaterial och avancerat resonemang i en relativt kompakt modell. Den tar emot text, passar bäst för en chattformaterad instruktion och genererar ett textsvar, en förklaring eller kod. Den exakta Phi-4-utgåvan är separat från senare resonemangs-, mini- och multimodala utgåvor.
Tillverkaren kombinerar kvalitetsfiltrerade offentliga dokument och kod, nyskapade syntetiska utbildningsdata, införskaffade akademiska böcker och fråge-svar-dataset. Det syntetiska materialet lär ut matematik, programmering, vardagsresonemang och allmänkunskap. Övervakad finjustering och direkt preferensoptimering förbättrar sedan instruktionsföljsamhet och svarsbeteende.
Tillverkaren positionerar Phi-4 som en byggsten för applikationer med minnes- eller beräkningsbegränsningar, behov av interaktiva svar och resonemangs- eller logikuppgifter, främst på engelska. Ge en uppgift hela villkoret och den källinformation som behövs för att besvara den. För ett matematiskt problem definierar du variabler, domänbegränsningar och resultatets form; för en förklaring identifierar du målgruppen och begreppen som ska kopplas samman.
Ett användbart underlag är: ”Jämför dessa villkor, identifiera om den föreslagna lösningen uppfyller vart och ett och förklara det första felet. Ange eventuell saknad information innan du drar en slutsats.” För en källbaserad fråga märker du avsnitten och begär den slutsats som vart och ett stöder. Be svaret bevara namn, enheter och antaganden som påverkar resultatet.
En längre instruktion bör fortfarande ha ett tydligt syfte. Den publicerade kontexten är 16K token och innehåller instruktioner, källtext, samtal och genererat svar tillsammans. Behåll relevanta belägg i indata och reservera utrymme för den slutliga förklaringen. Modellkortets exempelbudget för generering är illustrativ och fastställer inte en separat allmängiltig maximal svarslängd.
Phi-4 kan föreslå kod, förklara en funktion eller resonera kring en felande indata. Tillhandahåll implementationen, förväntat beteende och ett representativt fall som skiljer ett korrekt resultat från ett felaktigt. Begär kodresultatet separat från dess förklaring och identifiera gränssnitt som måste förbli intakta.
Tillverkaren påpekar att det mesta av kodträningen är Python-baserat, särskilt vanliga paket i standardbiblioteket. Användning av andra paket eller andra programmeringsspråk kräver noggrann API-verifiering. En genererad funktion eller ett skript har inte körts bara för att det ser komplett ut; kör det i den avsedda miljön och använd de faktiska felen eller observationerna för att omarbeta resultatet.
Tillverkarens instruktionsrepresentation skiljer system-, användar- och assistentturer åt. En systeminstruktion kan definiera rollen eller svarsstilen, medan användarmeddelandet innehåller själva problemet. Behåll den exakta modellens format i stället för att kopiera en senare Phi-mall eller anta en bildindata- eller verktygsanropsfunktion från en annan utgåva.
Phi-4 tränas främst på engelska och är inte avsedd som en flerspråkig modell. Andra språk och mindre representerade engelska varieteter kan ge sämre prestanda. Tillhandahåll exakta formuleringar för tekniska namn och utvärdera svaret på det språk uppgiften behöver i stället för att behandla den lilla flerspråkiga andelen träningsdata som brett språkstöd.
Kunskapsgränsen för träning på offentliga data är juni 2024 och tidigare. För aktuella eller källkänsliga påståenden tillhandahåller du auktoritativt material i instruktionen. Microsoft identifierar också möjlig felaktig, föråldrad eller partisk utdata trots anpassning. Granska det slutliga svaret mot problemets villkor och källor. Det användbara resultatet är en textbaserad lösning, förklaring eller ett kodförslag vars antaganden och stödjande belägg förblir tydliga.
", "aboutText": "Phi-4 är Microsoft Researchs täta transformer med enbart avkodare och 14 miljarder parametrar för textgenerering. Utvecklingen fokuserar på högkvalitativt träningsmaterial och avancerat resonemang i en relativt kompakt modell. Den tar emot text, passar bäst för en chattformaterad instruktion och genererar ett textsvar, en förklaring eller kod. Den exakta Phi-4-utgåvan är separat från senare resonemangs-, mini- och multimodala utgåvor.\n\n### Träning och avsedd användning\n\nTillverkaren kombinerar kvalitetsfiltrerade offentliga dokument och kod, nyskapade syntetiska utbildningsdata, införskaffade akademiska böcker och fråge-svar-dataset. Det syntetiska materialet lär ut matematik, programmering, vardagsresonemang och allmänkunskap. Övervakad finjustering och direkt preferensoptimering förbättrar sedan instruktionsföljsamhet och svarsbeteende.\n\nTillverkaren positionerar Phi-4 som en byggsten för applikationer med minnes- eller beräkningsbegränsningar, behov av interaktiva svar och resonemangs- eller logikuppgifter, främst på engelska. Ge en uppgift hela villkoret och den källinformation som behövs för att besvara den. För ett matematiskt problem definierar du variabler, domänbegränsningar och resultatets form; för en förklaring identifierar du målgruppen och begreppen som ska kopplas samman.\n\n### Resonera utifrån ett tydligt problem\n\nEtt användbart underlag är: ”Jämför dessa villkor, identifiera om den föreslagna lösningen uppfyller vart och ett och förklara det första felet. Ange eventuell saknad information innan du drar en slutsats.” För en källbaserad fråga märker du avsnitten och begär den slutsats som vart och ett stöder. Be svaret bevara namn, enheter och antaganden som påverkar resultatet.\n\nEn längre instruktion bör fortfarande ha ett tydligt syfte. Den publicerade kontexten är 16K token och innehåller instruktioner, källtext, samtal och genererat svar tillsammans. Behåll relevanta belägg i indata och reservera utrymme för den slutliga förklaringen. Modellkortets exempelbudget för generering är illustrativ och fastställer inte en separat allmängiltig maximal svarslängd.\n\n### Kodassistans\n\nPhi-4 kan föreslå kod, förklara en funktion eller resonera kring en felande indata. Tillhandahåll implementationen, förväntat beteende och ett representativt fall som skiljer ett korrekt resultat från ett felaktigt. Begär kodresultatet separat från dess förklaring och identifiera gränssnitt som måste förbli intakta.\n\nTillverkaren påpekar att det mesta av kodträningen är Python-baserat, särskilt vanliga paket i standardbiblioteket. Användning av andra paket eller andra programmeringsspråk kräver noggrann API-verifiering. En genererad funktion eller ett skript har inte körts bara för att det ser komplett ut; kör det i den avsedda miljön och använd de faktiska felen eller observationerna för att omarbeta resultatet.\n\n### Chattformat och språk\n\nTillverkarens instruktionsrepresentation skiljer system-, användar- och assistentturer åt. En systeminstruktion kan definiera rollen eller svarsstilen, medan användarmeddelandet innehåller själva problemet. Behåll den exakta modellens format i stället för att kopiera en senare Phi-mall eller anta en bildindata- eller verktygsanropsfunktion från en annan utgåva.\n\nPhi-4 tränas främst på engelska och är inte avsedd som en flerspråkig modell. Andra språk och mindre representerade engelska varieteter kan ge sämre prestanda. Tillhandahåll exakta formuleringar för tekniska namn och utvärdera svaret på det språk uppgiften behöver i stället för att behandla den lilla flerspråkiga andelen träningsdata som brett språkstöd.\n\n### Tillförlitlighetens gränser\n\nKunskapsgränsen för träning på offentliga data är juni 2024 och tidigare. För aktuella eller källkänsliga påståenden tillhandahåller du auktoritativt material i instruktionen. Microsoft identifierar också möjlig felaktig, föråldrad eller partisk utdata trots anpassning. Granska det slutliga svaret mot problemets villkor och källor. Det användbara resultatet är en textbaserad lösning, förklaring eller ett kodförslag vars antaganden och stödjande belägg förblir tydliga.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
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 är Microsoft Researchs textmodell på 14B för engelskspråkigt resonemang, matematik och kodassistans. Den använder en kontext på 16K och ett chattinriktat instruktionsformat och producerar förklaringar och kodförslag från en fullständig problemställning och tillhandahållen text.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Phi-4 är Microsoft Researchs täta transformer med enbart avkodare och 14 miljarder parametrar för textgenerering. Utvecklingen fokuserar på högkvalitativt träningsmaterial och avancerat resonemang i en relativt kompakt modell. Den tar emot text, passar bäst för en chattformaterad instruktion och genererar ett textsvar, en förklaring eller kod. Den exakta Phi-4-utgåvan är separat från senare resonemangs-, mini- och multimodala utgåvor.
Tillverkaren kombinerar kvalitetsfiltrerade offentliga dokument och kod, nyskapade syntetiska utbildningsdata, införskaffade akademiska böcker och fråge-svar-dataset. Det syntetiska materialet lär ut matematik, programmering, vardagsresonemang och allmänkunskap. Övervakad finjustering och direkt preferensoptimering förbättrar sedan instruktionsföljsamhet och svarsbeteende.
Tillverkaren positionerar Phi-4 som en byggsten för applikationer med minnes- eller beräkningsbegränsningar, behov av interaktiva svar och resonemangs- eller logikuppgifter, främst på engelska. Ge en uppgift hela villkoret och den källinformation som behövs för att besvara den. För ett matematiskt problem definierar du variabler, domänbegränsningar och resultatets form; för en förklaring identifierar du målgruppen och begreppen som ska kopplas samman.
Ett användbart underlag är: ”Jämför dessa villkor, identifiera om den föreslagna lösningen uppfyller vart och ett och förklara det första felet. Ange eventuell saknad information innan du drar en slutsats.” För en källbaserad fråga märker du avsnitten och begär den slutsats som vart och ett stöder. Be svaret bevara namn, enheter och antaganden som påverkar resultatet.
En längre instruktion bör fortfarande ha ett tydligt syfte. Den publicerade kontexten är 16K token och innehåller instruktioner, källtext, samtal och genererat svar tillsammans. Behåll relevanta belägg i indata och reservera utrymme för den slutliga förklaringen. Modellkortets exempelbudget för generering är illustrativ och fastställer inte en separat allmängiltig maximal svarslängd.
Phi-4 kan föreslå kod, förklara en funktion eller resonera kring en felande indata. Tillhandahåll implementationen, förväntat beteende och ett representativt fall som skiljer ett korrekt resultat från ett felaktigt. Begär kodresultatet separat från dess förklaring och identifiera gränssnitt som måste förbli intakta.
Tillverkaren påpekar att det mesta av kodträningen är Python-baserat, särskilt vanliga paket i standardbiblioteket. Användning av andra paket eller andra programmeringsspråk kräver noggrann API-verifiering. En genererad funktion eller ett skript har inte körts bara för att det ser komplett ut; kör det i den avsedda miljön och använd de faktiska felen eller observationerna för att omarbeta resultatet.
Tillverkarens instruktionsrepresentation skiljer system-, användar- och assistentturer åt. En systeminstruktion kan definiera rollen eller svarsstilen, medan användarmeddelandet innehåller själva problemet. Behåll den exakta modellens format i stället för att kopiera en senare Phi-mall eller anta en bildindata- eller verktygsanropsfunktion från en annan utgåva.
Phi-4 tränas främst på engelska och är inte avsedd som en flerspråkig modell. Andra språk och mindre representerade engelska varieteter kan ge sämre prestanda. Tillhandahåll exakta formuleringar för tekniska namn och utvärdera svaret på det språk uppgiften behöver i stället för att behandla den lilla flerspråkiga andelen träningsdata som brett språkstöd.
Kunskapsgränsen för träning på offentliga data är juni 2024 och tidigare. För aktuella eller källkänsliga påståenden tillhandahåller du auktoritativt material i instruktionen. Microsoft identifierar också möjlig felaktig, föråldrad eller partisk utdata trots anpassning. Granska det slutliga svaret mot problemets villkor och källor. Det användbara resultatet är en textbaserad lösning, förklaring eller ett kodförslag vars antaganden och stödjande belägg förblir tydliga.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser microsoft/phi-4 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.00014 / 1K token Utdata · Utdatatoken $0.00028 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.00014 / 1K token Utdata · Utdatatoken $0.00028 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra microsoft/phi-4
Använd metodsökvägarna som visas ovan.
microsoft/phi-4Phi-4 är Microsoft Researchs textmodell på 14B för engelskspråkigt resonemang, matematik och kodassistans. Den använder en kontext på 16K och ett chattinriktat instruktionsformat och producerar förklaringar och kodförslag från en fullständig problemställning och tillhandahållen text.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Phi-4 är Microsoft Researchs täta transformer med enbart avkodare och 14 miljarder parametrar för textgenerering. Utvecklingen fokuserar på högkvalitativt träningsmaterial och avancerat resonemang i en relativt kompakt modell. Den tar emot text, passar bäst för en chattformaterad instruktion och genererar ett textsvar, en förklaring eller kod. Den exakta Phi-4-utgåvan är separat från senare resonemangs-, mini- och multimodala utgåvor.
Tillverkaren kombinerar kvalitetsfiltrerade offentliga dokument och kod, nyskapade syntetiska utbildningsdata, införskaffade akademiska böcker och fråge-svar-dataset. Det syntetiska materialet lär ut matematik, programmering, vardagsresonemang och allmänkunskap. Övervakad finjustering och direkt preferensoptimering förbättrar sedan instruktionsföljsamhet och svarsbeteende.
Tillverkaren positionerar Phi-4 som en byggsten för applikationer med minnes- eller beräkningsbegränsningar, behov av interaktiva svar och resonemangs- eller logikuppgifter, främst på engelska. Ge en uppgift hela villkoret och den källinformation som behövs för att besvara den. För ett matematiskt problem definierar du variabler, domänbegränsningar och resultatets form; för en förklaring identifierar du målgruppen och begreppen som ska kopplas samman.
Ett användbart underlag är: ”Jämför dessa villkor, identifiera om den föreslagna lösningen uppfyller vart och ett och förklara det första felet. Ange eventuell saknad information innan du drar en slutsats.” För en källbaserad fråga märker du avsnitten och begär den slutsats som vart och ett stöder. Be svaret bevara namn, enheter och antaganden som påverkar resultatet.
En längre instruktion bör fortfarande ha ett tydligt syfte. Den publicerade kontexten är 16K token och innehåller instruktioner, källtext, samtal och genererat svar tillsammans. Behåll relevanta belägg i indata och reservera utrymme för den slutliga förklaringen. Modellkortets exempelbudget för generering är illustrativ och fastställer inte en separat allmängiltig maximal svarslängd.
Phi-4 kan föreslå kod, förklara en funktion eller resonera kring en felande indata. Tillhandahåll implementationen, förväntat beteende och ett representativt fall som skiljer ett korrekt resultat från ett felaktigt. Begär kodresultatet separat från dess förklaring och identifiera gränssnitt som måste förbli intakta.
Tillverkaren påpekar att det mesta av kodträningen är Python-baserat, särskilt vanliga paket i standardbiblioteket. Användning av andra paket eller andra programmeringsspråk kräver noggrann API-verifiering. En genererad funktion eller ett skript har inte körts bara för att det ser komplett ut; kör det i den avsedda miljön och använd de faktiska felen eller observationerna för att omarbeta resultatet.
Tillverkarens instruktionsrepresentation skiljer system-, användar- och assistentturer åt. En systeminstruktion kan definiera rollen eller svarsstilen, medan användarmeddelandet innehåller själva problemet. Behåll den exakta modellens format i stället för att kopiera en senare Phi-mall eller anta en bildindata- eller verktygsanropsfunktion från en annan utgåva.
Phi-4 tränas främst på engelska och är inte avsedd som en flerspråkig modell. Andra språk och mindre representerade engelska varieteter kan ge sämre prestanda. Tillhandahåll exakta formuleringar för tekniska namn och utvärdera svaret på det språk uppgiften behöver i stället för att behandla den lilla flerspråkiga andelen träningsdata som brett språkstöd.
Kunskapsgränsen för träning på offentliga data är juni 2024 och tidigare. För aktuella eller källkänsliga påståenden tillhandahåller du auktoritativt material i instruktionen. Microsoft identifierar också möjlig felaktig, föråldrad eller partisk utdata trots anpassning. Granska det slutliga svaret mot problemets villkor och källor. Det användbara resultatet är en textbaserad lösning, förklaring eller ett kodförslag vars antaganden och stödjande belägg förblir tydliga.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser microsoft/phi-4 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.00014 / 1K token Utdata · Utdatatoken $0.00028 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.00014 / 1K token Utdata · Utdatatoken $0.00028 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "microsoft/phi-4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra microsoft/phi-4
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
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.