Phi-4-Multimodal calculadora TPS

Abre pesos Microsoft 5.6B parámetros March 2025

Cada tarjeta a continuación se evalúa en función de este modelo en la longitud de contexto y calidad mínima que elijas. La velocidad es una estimación para una sola solicitud, calculada a partir del ancho de banda de memoria de la tarjeta y el tamaño del modelo una vez comprimido..

Calculado para este modelo

818 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Tesla C1080

4 GB · Q3_K_M · 17.8 tok/s

Tarjeta más rápida

B200

605 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Phi-4-Multimodal?

Establecer las entradas, leer la respuesta

Longitud del contexto tokens

Una conversación más larga necesita más VRAM, lo que puede expulsar este modelo de tarjetas más pequeñas..

Calidad mínima

Oculta tarjetas que solo se ajustarían al modelo comprimiéndolo por debajo de este punto..

Buscar tarjetas

Memoria de la tarjeta

También muestra tarjetas que no pueden ejecutarlo.

818 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
605 tok/s 363–968 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	6.7 GB	Q8_0	Cómodo
605 tok/s 363–968 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	6.7 GB	Q8_0	Cómodo
483 tok/s 290–773 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	6.7 GB	Q8_0	Cómodo
483 tok/s 290–773 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	6.7 GB	Q8_0	Cómodo
386 tok/s 232–618 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	6.7 GB	Q8_0	Cómodo
370 tok/s 222–592 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	6.7 GB	Q8_0	Cómodo
370 tok/s 222–592 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	6.7 GB	Q8_0	Cómodo
354 tok/s 212–566 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	6.7 GB	Q8_0	Cómodo
314 tok/s 188–503 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	6.7 GB	Q8_0	Cómodo
314 tok/s 188–503 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	6.7 GB	Q8_0	Cómodo
314 tok/s 188–503 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	6.7 GB	Q8_0	Cómodo
298 tok/s 179–477 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	6.7 GB	Q8_0	Cómodo
254 tok/s 152–407 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	6.7 GB	Q8_0	Cómodo
254 tok/s 152–407 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	6.7 GB	Q8_0	Cómodo
254 tok/s 152–407 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	6.7 GB	Q8_0	Cómodo
254 tok/s 152–407 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	6.7 GB	Q8_0	Cómodo
254 tok/s 152–407 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	6.7 GB	Q8_0	Cómodo
193 tok/s 116–310 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	6.7 GB	Q8_0	Cómodo
193 tok/s 116–310 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	6.7 GB	Q8_0	Cómodo
161 tok/s 97–258 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	6.7 GB	Q8_0	Cómodo
158 tok/s 95–252 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	6.7 GB	Q8_0	Cómodo
154 tok/s 93–247 · baja confianza	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	6.7 GB	Q8_0	Cómodo
154 tok/s 93–247 · baja confianza	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	6.7 GB	Q8_0	Cómodo
154 tok/s 93–247 · baja confianza	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	6.7 GB	Q8_0	Cómodo
154 tok/s 93–247 · baja confianza	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	6.7 GB	Q8_0	Cómodo

Las velocidades son estimaciones para una sola solicitud — una conversación a la vez — calculadas a partir del ancho de banda de memoria, el tamaño del modelo y la cuantificación. El rendimiento real varía con el tiempo de inferencia y su versión. Las cifras publicadas por los proveedores de hardware miden muchas solicitudes simultáneas y son mucho más altas..

En registro

especificación completa

Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..

Origen

Quién construyó este modelo, dónde, y cuándo fue publicado.

Organización: Microsoft
Tipo de Organización: Industry
País: United States of America
Publicado: 3 March 2025
Autores: Abdelrahman Abouelenin, Atabak Ashfaq, Adam Atkinson, Hany Awadalla, Nguyen Bach, Jianmin Bao, Alon Benhaim, Martin Cai, Vishrav Chaudhary, Congcong Chen, Dong Chen, Dongdong Chen, Junkun Chen, Weizhu Chen, Yen-Chun Chen, Yi-ling Chen, Qi Dai, Xiyang Dai, Ruchao Fan, Mei Gao, Min Gao, Amit Garg, Abhishek Goswami, Junheng Hao, Amr Hendy, Yuxuan Hu, Xin Jin, Mahmoud Khademi, Dongwoo Kim, Young Jin K…

Lo que hace

Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.

Dominio: Multimodal, Language, Vision, Speech
Tarea: Language modeling/generation, Question answering, Visual question answering, Speech recognition (ASR), Translation, Audio question answering, Character recognition (OCR)
Modelo base: Phi-4 Mini

Tamaño

Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.

parámetros: 5.6B
Datos de entrenamiento: tokens

Cómputo de entrenamiento

La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.

Cómputo de entrenamiento: 1.2 × 10²³ FLOP
Cómo se estableció: Operation counting,Hardware
Computación de ajuste fino: 7.2 × 10²¹ FLOP

La ejecución de entrenamiento

Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.

Hardware de entrenamiento: NVIDIA A100 SXM4 80 GB
Chips utilizados: 512
Tiempo de reloj: 672 hours (28 days)
Consumo de energía: 402.0 kW

Disponibilidad

Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.

Pesos: Open — downloadable
Acceso al modelo: Open weights (unrestricted)
Código de entrenamiento: Unreleased
Hugging Face: microsoft

Cómo está clasificado

Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.

Probablemente por encima de 10²³ FLOP: Yes
Confianza de registro: Confident

Fuentes

De dónde proviene este registro y cuándo fue comprobado por última vez.

Referencia: Phi-4-Mini Technical Report: Compact yet Powerful Multimodal Language Models via Mixture-of-LoRAs
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Phi-4-Multimodal

Clasificado por tokens estimados por segundo, la tarjeta más nueva primero donde las velocidades están empatadas. Debido a que la generación está limitada por el ancho de banda de memoria, este orden sigue el ancho de banda en lugar de cualquier referencia de juego..

Las GPUs más pequeñas que aún funcionan Phi-4-Multimodal

La ruta más barata para entrar, por capacidad de memoria. Un ajuste apretado ejecuta el modelo pero no deja nada de sobra para una conversación más larga..

Qué significan los números

Lo que se necesita para ejecutar este modelo

Mínima tarjeta

Tesla C1080

Memoria necesaria

3.4 GB

Más rápido

605 tok/s

Phi-4-Multimodal llega a un recuento de parámetros de 5.6B. Eso es lo suficientemente pequeño como para que el hardware rara vez sea el obstáculo, incluso en tarjetas de varios años. El número de tarjetas que rastreamos que pueden ejecutarlo: 818.

La tarjeta más pequeña que lo sostiene es Tesla C1080, con una capacidad de memoria de 4 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 17.8 tokens por segundo

Gama alta es B200, generando aproximadamente 605 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Qué es este modelo

Phi-4-Multimodal fue publicado por Microsoft, en el país registrado como United States of America, durante March 2025. La organización editora está clasificada como industry.

Funciona en el dominio de Multimodal, Language, Vision, Speech, y se registra como realizando la tarea de language modeling/generation, Question answering, Visual question answering, Speech recognition (ASR), Translation, Audio question answering, Character recognition (OCR).

Se basa en Phi-4 Mini. Por eso comparte la forma y el tamaño general del modelo base.

Los PESOS están publicados, por lo que se puede descargar y ejecutar en su propio HARDWARE indefinidamente, SIN CONEXIÓN, sin cuenta adjunta. En Hugging Face está publicado bajo la organización microsoft.

Qué decide la velocidad

La mitad de las tarjetas que lo sostienen gestionan más de 25.3 tokens por segundo. Produciendo texto más rápido de lo que la mayoría de las personas lo leen. 759 de ellos.

Es un modelo denso, por lo que cada parámetro se lee para cada token producido. Eso hace que la velocidad rastree el ancho de banda de la memoria casi exactamente: una tarjeta con el doble de ancho de banda genera aproximadamente el doble de rápido.

La memoria aquí se estima a partir del tamaño en lugar de calcularse a partir de la arquitectura, que no se registra para este modelo — los números son indicativos en lugar de exactos.

Cómo fue entrenado

Entrenarlo tomó un presupuesto de computación de aproximadamente 1.2 × 10²³ FLOP, en hardware registrado como NVIDIA A100 SXM4 80 GB. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.

Paso a paso

Cómo elegir una GPU para Phi-4-Multimodal

La tabla de arriba ya ha evaluado cada tarjeta para la que tenemos especificaciones en contra de este modelo. Llegar a tu respuesta toma seis pasos..

01

Lee la cifra de MEMORIA primero

Empieza desde lo que realmente necesita, que es el requerimiento de Phi-4-Multimodal, necesitando alrededor 3.4 GB a una compresión de Q3_K_M. Esa cifra, no el rendimiento principal de una CARD, es lo que decide si se ejecuta.
02

Decide cuánto duran tus conversaciones.

Las conversaciones más largas consumen memoria además de lo que los pesos necesitan. Mueve el control deslizante a tu longitud de trabajo real antes de confiar en cualquier fila para Phi-4-Multimodal.
03

Decide cuánto compresión aceptarás

La columna de cuantización varía por tarjeta, porque una tarjeta más grande sostiene una copia más precisa., alcanzando una compresión de Q3_K_M en la tarjeta más pequeña que cabe. Establecer una calidad mínima elimina las tarjetas que solo la manejan apretando más de lo que desearías, y mantiene la comparación en un nivel.
04

Ordenar por velocidad

La velocidad de ordenación es efectivamente un ordenamiento por ancho de banda de GPU. Phi-4-Multimodal. No se ajustará a un pedido de gaming, porque la generación está limitada por el ancho de banda de memoria. La tarjeta que encabeza la lista es B200, en 605 tok/s
05

Verifica el veredicto de ajuste antes de comprar

Un ajuste apretado se ejecuta, pero no deja nada de sobra para una conversación más larga, en el caso de Phi-4-Multimodal. Cómodo significa que puedes aumentar el contexto más adelante. Esa diferencia importa más que unos pocos tokens por segundo, así que compra por cómodo si esperas hacerlo.
06

Abre la tarjeta que has elegido.

Cada página de tarjeta repite este barrido para cada modelo que tenemos, respondiendo a qué más es bueno el hardware más allá de Phi-4-Multimodal.

Respuestas

Phi-4-Multimodal — preguntas comunes

Phi-4-Multimodal— ¿Quién lo creó?

Fue publicado por Microsoft, basado en United States of America, una organización categorizada como industry.

Phi-4-Multimodal— ¿cuándo fue lanzado?

Se publicó en March 2025.

Phi-4-Multimodal— ¿Para qué se utiliza?

Funciona en el dominio de Multimodal, Language, Vision, Speech, y se registra como manejando la tarea de language modeling/generation, Question answering, Visual question answering, Speech recognition (ASR), Translation, Audio question answering, Character recognition (OCR). Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.

Phi-4-Multimodal— ¿Dónde puedo descargarlo?

Sus pesos están publicados en Hugging Face, bajo la organización microsoft. No alojamos archivos de modelo — este sitio calcula qué hardware se necesita para ejecutarlos.

Phi-4-Multimodal— cuánto compute se utilizó para entrenarlo?

El entrenamiento consumió alrededor 1.2 × 10²³ FLOP, en hardware registrado como NVIDIA A100 SXM4 80 GB. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.

Phi-4-Multimodal— ¿Puedo ejecutarlo si no cabe en mi GPU?

Solo al descargar, lo cual suele ser una falsa economía: la parte mantenida en la memoria del sistema arrastra todo. Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Phi-4-Multimodal— ¿Correrían dos GPUS más rápido?

La capacidad se suma entre las tarjetas; el rendimiento no. El número de tarjetas que ya lo tienen por sí solas: 818. Así que una segunda tarjeta rara vez es la respuesta aquí.

Phi-4-Multimodal— ¿Por qué difiere la cuantificación entre tarjetas?

Cada tarjeta se muestra ejecutando la copia menos comprimida que puede contener. El número de niveles de compresión distintos entre las tarjetas que lo soportan: 4. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

Phi-4-Multimodal— ¿Qué tan precisas son estas estimaciones de velocidad?

Estas son estimaciones con barras de error reales, y cualquiera de ellas podría razonablemente situarse en cualquier parte de su rango publicado dependiendo del runtime que utilices. El resultado más rápido aquí: 363–968 tok/s en B200. El mismo modelo y tarjeta varían entre el treinta y el cincuenta por ciento dependiendo del software de inferencia y su versión.

Phi-4-Multimodal— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Tesla C1080, con una capacidad de memoria de 4 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 3.4 GB, y produce aproximadamente 17.8 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 818.

Phi-4-Multimodal— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 605 tokens por segundo; el más lento que aún lo ejecuta consigue considerablemente menos. La velocidad de lectura es de alrededor de diez tokens por segundo, y el número de cards que logran eso: 759.

Phi-4-Multimodal— ¿Cuánta VRAM necesita?

Necesita aproximadamente 3.4 GB a una compresión de Q3_K_M, cuál es la tarjeta más pequeña que lo ejecuta. Menos compresión necesita más: las cifras en la columna de memoria anterior se recalculan para cada tarjeta, porque cada una sostiene la versión menos comprimida que puede.

Phi-4-Multimodal— ¿Puedo ejecutarlo en una GPU que tiene? 8 GB?

Sí. La tarjeta CMP 170HX 8 GB, sosteniendo 8 GB, lo ejecuta a una compresión de Q8_0, usando alrededor 6.7 GB y generando aproximadamente 113 tokens por segundo. El ajuste es ajustado.

Phi-4-Multimodal— ¿Puedo ejecutarlo en una GPU que tiene? 12 GB?

Sí. La tarjeta GeForce RTX 3080 Ti, sosteniendo 12 GB, lo ejecuta a una compresión de Q8_0, usando alrededor 6.7 GB y generando aproximadamente 69.0 tokens por segundo. El ajuste es cómodo.

Phi-4-Multimodal— ¿Puedo ejecutarlo en una GPU que tiene? 16 GB?

Sí. La tarjeta Tesla V100 SXM2 16 GB, sosteniendo 16 GB, lo ejecuta a una compresión de Q8_0, usando alrededor 6.7 GB y generando aproximadamente 85.5 tokens por segundo. El ajuste es cómodo.

Phi-4-Multimodal— ¿Puedo ejecutarlo en una GPU que tiene? 24 GB?

Sí. La tarjeta GeForce RTX 5090 D V2, sosteniendo 24 GB, lo ejecuta a una compresión de Q8_0, usando alrededor 6.7 GB y generando aproximadamente 101 tokens por segundo. El ajuste es cómodo.

Phi-4-Multimodal— ¿Es de código abierto?

Sus pesos están publicados, por lo que se pueden descargar y ejecutar en su propio hardware. Tenga en cuenta que OPEN WEIGHTS no es lo mismo que OPEN SOURCE en el sentido completo: no dice nada sobre los datos de entrenamiento, el código de entrenamiento o los términos comerciales adjuntos.

Phi-4-Multimodal— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 5.6B. 5.6B 1. base: Phi-4 Mini (3.8b parameters) 2. "The audio encoder and projector introduce 460M parameters while LoRAA consumes another 460M parameters." 3. "The image encoder and projector introduce 440M model parameters while the vision adapter LoRAV consumes another 370M model parameters.". Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.

Origen

Publicación original

Última actualización registrada 28 November 2025

La otra dirección

¿Mirándolo desde el otro lado?

Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.

Todos los modelos de IA