微软推出了Phi-4-reasoning系列推理模型，包含Phi-4-reasoning、Phi-4-reasoning-plus和Phi-4-mini-reasoning三款，专为复杂推理任务设计。该系列模型延续了小型模型的高效特性，并在推理能力上实现重大突破。通过推理时间扩展技术，擅长处理需要多步骤分解和内部反思的复杂任务，尤其在数学推理和代理型应用中表现突出，具备媲美大型前沿模型的潜力。其中，Phi-4-reasoning和Phi-4-reasoning-plus在数学推理和博士级科学问题测试中表现出色，Phi-4-mini-reasoning则专为计算资源有限的环境设计，适合教育应用。

🚀Phi-4-reasoning系列模型通过监督微调Phi-4，并利用o3-mini生成的高质量“可教导”提示数据集训练，专为复杂推理任务设计，旨在突破小型模型在推理能力上的瓶颈。

➕Phi-4-reasoning-plus增强版通过强化学习进一步提升性能，tokens用量比标准版多1.5倍，支持更高精度，使其在数学推理和博士级科学问题测试中，超越多个大型模型。

💡Phi-4-mini-reasoning专为计算资源有限的环境设计，通过DeepSeek-R1生成的合成数据微调，能在低延迟场景下提供高质量的逐步问题解决方案，适合教育应用、嵌入式辅导和边缘设备部署。

🥇Phi-4-reasoning系列模型在多项数学基准测试中表现出色，甚至在AIME 2025（美国数学奥林匹克资格赛）中击败6710亿参数的DeepSeek-R1满血模型，证明了其强大的推理能力。

IT之家 5 月 1 日消息，微软昨日（4 月 30 日）发布 Phi-4-reasoning 系列推理模型，通过监督微调 Phi-4，并利用 o3-mini 生成的高质量“可教导”提示数据集训练，专为复杂推理任务设计。

IT之家援引博文介绍，微软本次共推出 Phi-4-reasoning、Phi-4-reasoning-plus 和 Phi-4-mini-reasoning 三款模型，官方称该系列模型不仅延续了小型模型的高效特性，还在推理能力上实现重大突破。

该系列模型通过推理时间扩展（inference-time scaling）技术，擅长处理需要多步骤分解和内部反思的复杂任务，尤其在数学推理和代理型应用中表现突出，具备媲美大型前沿模型的潜力。

Phi-4-reasoning 是一款拥有 140 亿参数的开源推理模型，通过监督微调（Supervised Fine-Tuning，SFT）Phi-4，结合 OpenAI o3-mini 的高质量推理演示数据，并充分利用额外计算资源，生成详细的推理链条。

Phi-4-reasoning-plus 增强版通过强化学习（Reinforcement Learning，RL）进一步提升性能，tokens 用量比标准版多 1.5 倍，支持更高精度。

两款模型在数学推理和博士级科学问题测试中，均超越 OpenAI o1-mini 和 DeepSeek-R1-Distill-Llama-70B，甚至在 AIME 2025（美国数学奥林匹克资格赛）中击败 6710 亿参数的 DeepSeek-R1 满血模型。

Phi-4-mini-reasoning 专为计算资源有限的环境设计，是一款基于 Transformer 的紧凑型语言模型，优化用于数学推理。

该模型通过 DeepSeek-R1 生成的合成数据微调，能在低延迟场景下提供高质量的逐步问题解决方案。这款模型覆盖从中学到博士级的百万级多样化数学问题，非常适合教育应用、嵌入式辅导和边缘设备部署。

在多项数学基准测试中，其 3.8 亿参数的表现超越 OpenThinker-7B 和 Llama-3.2-3B-instruct 等更大模型，甚至在部分测试中接近 OpenAI o1-mini 的水平。