微软推出了Phi 4 mini reasoning、Phi 4 reasoning 和 Phi 4 reasoning plus等多款“开放式”AI模型，均属于“推理”模型，擅长复杂问题的事实核查。Phi 4 mini reasoning基于DeepSeek的R1推理模型生成的数学题训练，拥有约38亿参数，专为教育应用设计。Phi 4 reasoning拥有140亿参数，使用高质量网络数据和o3-mini的“精选演示”进行训练，适用于数学、科学和编程。Phi 4 Reasoning Plus是Phi-4模型的改进版，性能接近参数更多的R1模型，在OmniMath测试中与o3-mini相当。这些模型已在Hugging Face上线。

💡Phi 4系列模型是微软推出的新一代“开放式”人工智能模型，专注于提升推理能力，能够更有效地进行复杂问题的事实核查，为AI开发者在边缘设备上构建应用提供了基础。

📚Phi 4 mini reasoning模型拥有约38亿参数，基于DeepSeek的R1推理模型生成的100万道数学题进行训练，特别适用于教育应用，例如在轻量级设备上提供嵌入式辅导。

🧪Phi 4 Reasoning Plus是微软先前发布的Phi-4模型的改进版，通过内部基准测试显示，其在数学技能测试OmniMath上的表现与OpenAI的o3-mini模型相当，但在参数规模上更具优势。

🚀这些模型通过提炼、强化学习和高质量数据，在规模和性能之间取得了平衡，既能适应低延迟环境，又能保持强大的推理能力，使得资源有限的设备也能高效执行复杂推理任务，目前已在Hugging Face上线。

微软周三推出了几款新的“开放式”人工智能模型，其中功能最强大的模型至少在一个基准测试上可与 OpenAI 的 o3-mini 相媲美。所有新的授权模型——Phi 4 mini reasoning、Phi 4 reasoning 和 Phi 4 reasoning plus——都是“推理”模型，这意味着它们能够花更多时间对复杂问题的解决方案进行事实核查。

它们扩展了微软一年前推出的 Phi“小型模型”系列，为在边缘构建应用程序的 AI 开发者提供了基础。

Phi 4 mini 推理机基于中国人工智能初创公司 DeepSeek 的 R1 推理模型生成的约 100 万道综合数学题进行训练。微软表示，Phi 4 mini 推理机的参数规模约为 38 亿，专为教育应用而设计，例如轻量级设备上的“嵌入式辅导”。

参数大致对应于模型解决问题的能力，具有更多参数的模型通常比具有较少参数的模型表现更好。

Phi 4 推理模型拥有 140 亿个参数，使用“高质量”网络数据以及 OpenAI 之前提到的 o3-mini 的“精选演示”进行训练。微软表示，它最适合数学、科学和编程应用。

至于 Phi 4 Reasoning Plus是微软先前发布的 Phi-4 模型的改进版，旨在提高特定任务的准确性。微软声称，Phi 4 Reasoning Plus 的性能已接近 R1 模型，而 R1 模型的参数数量显著增加（6710 亿）。该公司的内部基准测试结果还显示，Phi 4 Reasoning Plus 在数学技能测试 OmniMath 上的表现与 o3-mini 相当。

Phi 4 mini reasoning、Phi 4 reasoning、Phi 4 reasoning plus 已在AI 开发平台 Hugging Face上线，并附有详细的技术报告。

微软在一篇博客文章中写道：“通过提炼、强化学习和高质量数据，这些新模型在规模和性能之间取得了平衡。它们足够小，适合低延迟环境，同时又保持着可与更大模型相媲美的强大推理能力。这种融合使得即使是资源有限的设备也能高效地执行复杂的推理任务。”