Phi-4 Multimodal Instruct
MicrosoftPhiओपन वेटMIT · व्यावसायिक उपयोग
विवरण
Phi-4-multimodal-instruct is a lightweight (5.57B parameters) open multimodal foundation model that leverages research and datasets from Phi-3.5 and 4.0. It processes text, image, and audio inputs to generate text outputs, supporting a 128K token context length. Enhanced via SFT, DPO, and RLHF for instruction following and safety.
रिलीज़ तिथि
2025-02-26
पैरामीटर
5.6B
संदर्भ लंबाई
—
मोडैलिटीज़
image, text
क्षमता रडार
18
general
13
coding
32
reasoning
19
scienceअनुमानित
26
agents
85
multimodal
समर्पित विज्ञान बेंचमार्क उपलब्ध न होने पर Science तर्क प्रॉक्सी का उपयोग करके अनुमान लगाता है।
रैंकिंग
| डोमेन | #रैंक | स्कोर | स्रोत |
|---|---|---|---|
| कोडिंग रैंकिंग | 416 | 14.0 | AA |
| सामान्य रैंकिंग | 440 | 21.0 | AA |
| गणितीय तर्क | 228 | 39.0 | AA |
| मल्टीमॉडल रैंकिंग | 28 | 82.0 | LS |
| विज्ञान | 453 | 17.0 | AA |
बेंचमार्क स्कोर (LLM Stats)
3d
BLINK
61.3%स्वयं
General
MMMU
55.1%स्वयं
MMMU-Pro
38.5%स्वयं
Image To Text
DocVQA
93.2%स्वयं
OCRBench
84.4%स्वयं
TextVQA
75.6%स्वयं
Math
MathVista
62.4%स्वयं
InterGPS
48.6%स्वयं
Multimodal
ScienceQA Visual
97.5%स्वयं
MMBench
86.7%स्वयं
POPE
85.6%स्वयं
AI2D
82.3%स्वयं
ChartQA
81.4%स्वयं
InfoVQA
72.7%स्वयं
Video-MME
55.0%स्वयं
AA मूल्यांकन सूचकांक
Intelligence Index4.5
Math 5000.7
Mmlu Pro0.5
Gpqa0.3
Livecodebench0.1
Scicode0.1
Aime0.1
Hle0.0
LLM Stats श्रेणी स्कोर
Image To Text80
Multimodal70
Reasoning70
Vision70
Spatial Reasoning60
Math60
Healthcare60
3d60
General50
मूल्य निर्धारण
इनपुट मूल्यमुफ्त
आउटपुट मूल्यमुफ्त
मिश्रित मूल्य (3:1)मुफ्त
गति
टोकन/सेकंड15.9
पहले टोकन में देरी1.33s
पहले उत्तर में देरी1.33s
प्रदाता मूल्य रैंकिंग
प्रदाता मूल्य रैंकिंग
4 प्रदाता
सबसे सस्ता: NanoGPTसबसे महंगा: evroc
प्रदाताइनपुटआउटपुट
1NanoGPTसबसे सस्ता
$0.07
$0.11
2Azure Cognitive Services
$0.08
$0.32
3Azure
$0.08
$0.32
4evroc
$0.24
$0.47
इस मॉडल के लिए विभिन्न API प्रदाताओं के मूल्य निर्धारण की तुलना करें।