मुख्य सामग्री पर जाएं

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

70
general
0
coding
60
reasoning
51
scienceअनुमानित
42
agents
85
multimodal

समर्पित विज्ञान बेंचमार्क उपलब्ध न होने पर Science का अनुमान LLM Stats विज्ञान स्कोर या तर्क से लगाया जाता है।

रैंकिंग

डोमेन#रैंकस्कोरस्रोत
मल्टीमॉडल रैंकिंग137
23.0
LS

बेंचमार्क स्कोर (LLM Stats)

(LLM Stats (zeroeval))

Math

MathVista62.4%स्वयं
InterGPS48.6%स्वयं

Multimodal

MMMU55.1%स्वयं
Video-MME55.0%स्वयं

Reasoning

ChartQAMasry et al. (2022)81.4%स्वयं

Vision

ScienceQA Visual97.5%स्वयं
DocVQADocVQA (2020)93.2%स्वयं
MMBench86.7%स्वयं
POPE85.6%स्वयं
OCRBench84.4%स्वयं
AI2D82.3%स्वयं
TextVQA75.6%स्वयं
InfoVQA72.7%स्वयं
BLINK61.3%स्वयं
MMMU-Pro38.5%स्वयं

AA मूल्यांकन सूचकांक

(Artificial Analysis)

कोई AA मूल्यांकन डेटा उपलब्ध नहीं

LLM Stats श्रेणी स्कोर

(LLM Stats (zeroeval))
Safety
90
Image To Text
80
Multimodal
70
Reasoning
70
General
70
Vision
70
Math
60
Spatial Reasoning
60
Healthcare
60
3d
60

मूल्य निर्धारण

इनपुट मूल्य$0.08 / 1M टोकन
आउटपुट मूल्य$0.32 / 1M टोकन

गति

कोई गति डेटा उपलब्ध नहीं

प्रदाता मूल्य रैंकिंग

प्रदाता मूल्य रैंकिंग

3 प्रदाता

सबसे सस्ता: Microsoftसबसे महंगा: Azure
प्रदाताइनपुटआउटपुट
1Microsoftप्राथमिक
$0.08
$0.32
2Azure Cognitive Services
$0.08
$0.32
3Azure
$0.08
$0.32

इस मॉडल के लिए विभिन्न API प्रदाताओं के मूल्य निर्धारण की तुलना करें।

बाहरी लिंक