Phi-4 calculadora TPS

Abre pesos Microsoft Research 14B parámetros December 2024

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

306 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

P102-101

10 GB · IQ4_XS · 20.2 tok/s

Tarjeta más rápida

B200

242 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Phi-4?

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.

306 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
242 tok/s 145–387 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	15.7 GB	Q8_0	Cómodo
242 tok/s 145–387 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	15.7 GB	Q8_0	Cómodo
193 tok/s 116–309 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	15.7 GB	Q8_0	Cómodo
193 tok/s 116–309 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	15.7 GB	Q8_0	Cómodo
155 tok/s 93–247 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	15.7 GB	Q8_0	Cómodo
148 tok/s 89–237 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	15.7 GB	Q8_0	Cómodo
148 tok/s 89–237 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	15.7 GB	Q8_0	Cómodo
142 tok/s 85–227 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	15.7 GB	Q8_0	Cómodo
126 tok/s 75–201 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	15.7 GB	Q8_0	Cómodo
126 tok/s 75–201 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	15.7 GB	Q8_0	Cómodo
126 tok/s 75–201 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	15.7 GB	Q8_0	Cómodo
119 tok/s 72–191 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	15.7 GB	Q8_0	Cómodo
116 tok/s 70–185 · baja confianza	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.4 GB	IQ4_XS	Ajustado
102 tok/s 61–163 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	15.7 GB	Q8_0	Cómodo
102 tok/s 61–163 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	15.7 GB	Q8_0	Cómodo
102 tok/s 61–163 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	15.7 GB	Q8_0	Cómodo
102 tok/s 61–163 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	15.7 GB	Q8_0	Cómodo
102 tok/s 61–163 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	15.7 GB	Q8_0	Cómodo
77.4 tok/s 46–124 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	15.7 GB	Q8_0	Cómodo
77.4 tok/s 46–124 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	15.7 GB	Q8_0	Cómodo
64.5 tok/s 39–103 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	15.7 GB	Q8_0	Cómodo
63.1 tok/s 38–101 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	15.7 GB	Q8_0	Cómodo
61.7 tok/s 37–99 · baja confianza	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	15.7 GB	Q8_0	Cómodo
61.7 tok/s 37–99 · baja confianza	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	15.7 GB	Q8_0	Cómodo
61.7 tok/s 37–99 · baja confianza	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	15.7 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 Research
Tipo de Organización: Industry
País: United States of America
Publicado: 12 December 2024
Autores: Marah Abdin, Jyoti Aneja, Harkirat Behl, Sébastien Bubeck, Ronen Eldan, Suriya Gunasekar, Michael Harrison, Russell J. Hewett, Mojan Javaheripi, Piero Kauffmann, James R. Lee, Yin Tat Lee, Yuanzhi Li, Weishung Liu, Caio C. T. Mendes, Anh Nguyen, Eric Price, Gustavo de Rosa, Olli Saarikivi, Adil Salim, Shital Shah, Xin Wang, Rachel Ward, Yue Wu, Dingli Yu, Cyril Zhang, Yi Zhang

Lo que hace

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

Dominio: Language
Tarea: Language modeling/generation, Question answering, Code generation, Quantitative reasoning

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: 14B
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: 9.3 × 10²³ FLOP
Cómo se estableció: Operation counting,Hardware

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 H100 SXM5 80GB
Chips utilizados: 1,920
Tiempo de reloj: 504 hours (21 days)
Consumo de energía: 2.6 MW

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 Technical Report
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Phi-4

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

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

Requisitos de hardware en la práctica

Mínima tarjeta

P102-101

Memoria necesaria

8.4 GB

Más rápido

242 tok/s

Phi-4 llega a un recuento de parámetros de 14B. 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: 306.

El punto de entrada es P102-101, con una capacidad de memoria de 10 GB, ejecutándolo a una compresión de IQ4_XS y produciendo alrededor 20.2 tokens por segundo

Gama alta es B200, generando aproximadamente 242 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

De dónde vino

Phi-4 fue publicado por Microsoft Research, en el país registrado como United States of America, durante December 2024. La categoría en la que se encuentra el editor es industry.

Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Question answering, Code generation, Quantitative reasoning.

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.

Entendiendo las velocidades

En cada tarjeta que puede ejecutarlo, el medio del rango se sitúa en 20.4 tokens por segundo. Excediendo velocidad de lectura directamente: 268 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.

Su arquitectura interna no está en nuestra base de datos, por lo que la memoria se aproxima a partir del conteo de parámetros y se marca en consecuencia. Se espera que la cifra real difiera, más aún en contextos largos.

Cómo fue entrenado

Entrenarlo tomó un presupuesto de computación de aproximadamente 9.3 × 10²³ FLOP, en hardware registrado como NVIDIA H100 SXM5 80GB. 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

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

Cada tarjeta aquí ha sido verificada contra Phi-4, necesitando alrededor 8.4 GB a una compresión de IQ4_XS. Ninguna cantidad de potencia de procesamiento compensa una CARD que no puede sostenerla.
02

Decide cuánto duran tus conversaciones.

Establece el contexto a lo que realmente usarás. La caché crece con la conversación, y es la razón habitual por la que una card que parecía bien deja de fit. Phi-4.
03

Decide cuánto compresión aceptarás

La compresión es lo que hace que un modelo quepa en tarjetas más pequeñas, a costa de cierta precisión., alcanzando una compresión de IQ4_XS 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

Clasifica por rendimiento en lugar de la hoja de especificaciones.

Ordenar por velocidad para ver cómo se clasifican las tarjetas por Phi-4. 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 242 tok/s
05

Mira el margen, no solo la compatibilidad.

Tight significa que se carga y funciona sin espacio para aumentar el contexto más tarde, en el caso de Phi-4. 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

Revisa la tarjeta del otro lado

Cada nombre de tarjeta enlaza a su propia página, que ejecuta el mismo cálculo en todo el catálogo del modelo. Una tarjeta generalmente se compra para más de un modelo, por lo que vale la pena echar un vistazo antes de comprar para Phi-4.

Respuestas

Phi-4 — preguntas comunes

Phi-4— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 14B. 14B parameters, dense decoder-only Transformer model. 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.

Phi-4— ¿Quién lo creó?

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

Phi-4— ¿cuándo fue lanzado?

Se publicó en December 2024. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.

Phi-4— ¿Para qué se utiliza?

Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Question answering, Code generation, Quantitative reasoning. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.

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

El entrenamiento consumió alrededor 9.3 × 10²³ FLOP, en hardware registrado como NVIDIA H100 SXM5 80GB. 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— ¿Puedo ejecutarlo si no cabe en mi GPU?

Se puede dividir entre la tarjeta y la memoria del sistema, pero se genera muy lentamente de esa manera. El fallo más cercano que calculamos se queda corto por 2.0 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Phi-4— ¿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: 306. Así que una segunda tarjeta rara vez es la respuesta aquí.

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

Debido a que la capacidad varía, también varía cuán difícil tiene que ser exprimido. El número de niveles distintos en la tabla de arriba: 5. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

Phi-4— ¿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: 145–387 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— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es P102-101, con una capacidad de memoria de 10 GB. Funciona el modelo a una compresión de IQ4_XS usando alrededor 8.4 GB, y produce aproximadamente 20.2 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 306.

Phi-4— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 242 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: 268.

Phi-4— ¿Cuánta VRAM necesita?

Necesita aproximadamente 8.4 GB a una compresión de IQ4_XS, 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— ¿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 Q5_K_M, usando alrededor 10.8 GB y generando aproximadamente 49.3 tokens por segundo. El ajuste es ajustado.

Phi-4— ¿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 Q6_K, usando alrededor 12.4 GB y generando aproximadamente 49.7 tokens por segundo. El ajuste es ajustado.

Phi-4— ¿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 15.7 GB y generando aproximadamente 40.5 tokens por segundo. El ajuste es cómodo.

Phi-4— ¿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.

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