Phi-4 TPS-rekenmachine

Open gewichten Microsoft Research 14B parameters December 2024

Elke kaart hieronder wordt beoordeeld op basis van dit model met de contextlengte en minimale kwaliteit die je kiest. Snelheid is een schatting voor een enkele aanvraag, berekend op basis van de geheugendoorvoer van de kaart en de grootte van het model eenmaal gecomprimeerd..

Bereken voor dit model

306 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

P102-101

10 GB · IQ4_XS · 20.2 tok/s

Snelste kaart

B200

242 tok/s · 180 GB

Welke GPU's kunnen draaien Phi-4?

Stel de invoer in, lees het antwoord

Contextlengte tokens

Een langere conversatie heeft meer geheugen nodig, wat dit model van kleinere kaarten kan duwen..

Minimale kwaliteit

Verbergt kaarten die alleen in het model passen door het onder dit punt te comprimeren.

Zoek kaarten

Kaartgeheugen

Toon ook kaarten die het niet kunnen draaien

306 kaarten passen

Berekenen

					Heeft	Kwantificatie	Past
242 tok/s 145–387 · lage vertrouwen	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	15.7 GB	Q8_0	Comfortabel
242 tok/s 145–387 · lage vertrouwen	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	15.7 GB	Q8_0	Comfortabel
193 tok/s 116–309 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	15.7 GB	Q8_0	Comfortabel
193 tok/s 116–309 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	15.7 GB	Q8_0	Comfortabel
155 tok/s 93–247 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	15.7 GB	Q8_0	Comfortabel
148 tok/s 89–237 · lage vertrouwen	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	15.7 GB	Q8_0	Comfortabel
148 tok/s 89–237 · lage vertrouwen	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	15.7 GB	Q8_0	Comfortabel
142 tok/s 85–227 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	15.7 GB	Q8_0	Comfortabel
126 tok/s 75–201 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	15.7 GB	Q8_0	Comfortabel
126 tok/s 75–201 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	15.7 GB	Q8_0	Comfortabel
126 tok/s 75–201 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	15.7 GB	Q8_0	Comfortabel
119 tok/s 72–191 · lage vertrouwen	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	15.7 GB	Q8_0	Comfortabel
116 tok/s 70–185 · lage vertrouwen	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.4 GB	IQ4_XS	Krap
102 tok/s 61–163 · lage vertrouwen	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	15.7 GB	Q8_0	Comfortabel
102 tok/s 61–163 · lage vertrouwen	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	15.7 GB	Q8_0	Comfortabel
102 tok/s 61–163 · lage vertrouwen	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	15.7 GB	Q8_0	Comfortabel
102 tok/s 61–163 · lage vertrouwen	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	15.7 GB	Q8_0	Comfortabel
102 tok/s 61–163 · lage vertrouwen	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	15.7 GB	Q8_0	Comfortabel
77.4 tok/s 46–124 · lage vertrouwen	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	15.7 GB	Q8_0	Comfortabel
77.4 tok/s 46–124 · lage vertrouwen	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	15.7 GB	Q8_0	Comfortabel
64.5 tok/s 39–103 · lage vertrouwen	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	15.7 GB	Q8_0	Comfortabel
63.1 tok/s 38–101 · lage vertrouwen	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	15.7 GB	Q8_0	Comfortabel
61.7 tok/s 37–99 · lage vertrouwen	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	15.7 GB	Q8_0	Comfortabel
61.7 tok/s 37–99 · lage vertrouwen	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	15.7 GB	Q8_0	Comfortabel
61.7 tok/s 37–99 · lage vertrouwen	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	15.7 GB	Q8_0	Comfortabel

Snelheden zijn schattingen voor een enkele aanvraag — één gesprek tegelijk — berekend vanuit geheugendebandbreedte, modelgrootte en kwantisatie. De werkelijke doorvoer varieert met de inferentietijd en de versie ervan. Cijfers gepubliceerd door hardwareleveranciers meten veel gelijktijdige aanvragen en zijn veel hoger.

Op record

Volledige specificatie

Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..

Oorsprong

Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.

Organisatie: Microsoft Research
Organisatietype: Industry
Land: United States of America
Gepubliceerd: 12 December 2024
Auteurs: 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

Wat het doet

De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.

Domein: Language
Taak: Language modeling/generation, Question answering, Code generation, Quantitative reasoning

Grootte

Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.

parameters: 14B
Training gegevens: tokens

Training rekenen

De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.

Training rekenen: 9.3 × 10²³ FLOP
Hoe het werd opgericht: Operation counting,Hardware

De trainingsrun

Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.

Training hardware: NVIDIA H100 SXM5 80GB
Gebruikte chips: 1,920
Kloktijd: 504 hours (21 days)
Stroomverbruik: 2.6 MW

Beschikbaarheid

Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.

Gewichten: Open — downloadable
Toegang tot model: Open weights (unrestricted)
Training code: Unreleased
Hugging Face: microsoft

Hoe het is geclassificeerd

Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.

Waarschijnlijk boven de 10²³ FLOP: Yes
Record vertrouwen: Confident

Bronnen

Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.

Referentie: Phi-4 Technical Report
Laatst bijgewerkt: 28 November 2025

De extremen

De tien snelste GPU's die draaien Phi-4

Gerangschikt op geschatte tokens per seconde, nieuwste kaart eerst waar snelheden gelijk zijn. Omdat generatie gebonden is aan geheugensnelheid, volgt deze ordening de snelheid in plaats van een gamebenchmark..

De kleinste GPU's die nog steeds draaien Phi-4

De goedkoopste route erin, op basis van geheugencapaciteit. Een krappe pasvorm draait het model maar laat niets over voor een langer gesprek..

Wat de cijfers betekenen

Hardwarevereisten in de praktijk

Minimum kaart

P102-101

Geheugen nodig

8.4 GB

Snelste

242 tok/s

Phi-4 bereikt een parameter telling van 14B. Dat is klein genoeg zodat hardware zelden de obstakel is, inclusief op kaarten van enkele jaren oud. Het aantal kaarten dat we volgen die het kunnen draaien: 306.

Het toegangspunt is P102-101, met een geheugen capaciteit van 10 GB, het draaien ervan met een compressie van IQ4_XS en produceren rond 20.2 tokens per seconde

Top van het assortiment is B200, genereren ongeveer 242 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Waar het vandaan kwam

Phi-4 werd gepubliceerd door Microsoft Research, in het land geregistreerd als United States of America, tijdens December 2024. De categorie waaronder de uitgever valt is industry.

Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Question answering, Code generation, Quantitative reasoning.

De gewichten zijn gepubliceerd, zodat ze gedownload en onbeperkt, offline, op je eigen hardware kunnen worden uitgevoerd, zonder dat er een account aan verbonden is. Op Hugging Face is het gepubliceerd onder de organisatie microsoft.

Begrijpen van de snelheden

Over elke kaart die het kan draaien, ligt het midden van het bereik op 20.4 tokens per second. Outright de leessnelheid overschrijden. 268 van hen

Het is een dicht model, dus elke parameter wordt gelezen voor elk token dat wordt geproduceerd. Dat maakt de snelheid bijna precies het geheugenbandbreedte bijhouden — een kaart met twee keer de bandbreedte genereert ongeveer twee keer zo snel.

De interne architectuur is niet gedocumenteerd, dus het geheugen wordt geschat op basis van het aantal parameters en dienovereenkomstig gemarkeerd. Verwacht dat de werkelijke waarde verschilt, vooral bij lange context.

Hoe het getraind werd

Training kostte een rekensbudget van ongeveer 9.3 × 10²³ FLOP, op hardware vastgelegd als NVIDIA H100 SXM5 80GB. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.

Stap voor stap

Hoe een GPU te kiezen voor Phi-4

De tabel hierboven heeft elke kaart die we specificaties voor hebben al vergeleken met dit model. Het bereiken van uw antwoord kost zes stappen..

01

Lees eerst de geheugenfiguur

Elke kaart hier is gecontroleerd op Phi-4, ongeveer nodig 8.4 GB bij een compressie van IQ4_XS. Geen hoeveelheid verwerkingskracht compenseert een kaart die het niet kan vasthouden.
02

Bepaal hoe lang je gesprekken duren

Stel de context in op wat je daadwerkelijk gaat gebruiken. De cache groeit met het gesprek, en het is de gebruikelijke reden dat een CARD die in eerste instantie prima leek, niet meer past. Phi-4.
03

Bepaal hoeveel compressie je accepteert

Compressie is wat een model laat passen op kleinere kaarten, tegen een bepaalde kost in nauwkeurigheid., bereiken van een compressie van IQ4_XS op de kleinste kaart die past. Het instellen van een minimumkwaliteit laat de kaarten vallen die het alleen maar beheersen door verder te persen dan je zou willen, en houdt de vergelijking op één niveau.
04

Rangschik op doorvoer in plaats van specificatielijst

Sorteren op snelheid om te zien hoe de kaarten gerangschikt zijn voor Phi-4. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 242 tok/s
05

Kijk naar de speling, niet alleen naar de pasvorm.

Strak betekent dat het laadt en werkt zonder ruimte om de context later te verhogen, in het geval van Phi-4. Comfortabel betekent dat je de context later kunt vergroten. Dat verschil is belangrijker dan een paar tokens per seconde, dus koop voor comfortabel als je dat verwacht.
06

Controleer de kaart vanaf de andere kant

Elke kaartnaam linkt naar zijn eigen pagina, die dezelfde berekening door het hele modelcatalogus uitvoert. Een kaart wordt meestal gekocht voor meer dan één model, dus het is de moeite waard om te kijken voordat je koopt voor Phi-4.

Antwoorden

Phi-4 — veelgestelde vragen

Phi-4— hoeveel parameters heeft het?

Het heeft een parameter telling van 14B. 14B parameters, dense decoder-only Transformer model. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.

Phi-4— wie heeft het gemaakt?

Het werd gepubliceerd door Microsoft Research, gebaseerd op United States of America, een organisatie geclassificeerd als industry.

Phi-4— wanneer is het uitgebracht?

Het werd gepubliceerd in December 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.

Phi-4— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Question answering, Code generation, Quantitative reasoning. Een model kan er verschillende van elk dragen, dus dit zijn de gebieden waarvoor het is gebouwd in plaats van een limiet op wat het zal proberen.

Phi-4— waar kan ik het downloaden?

Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie microsoft. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.

Phi-4— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 9.3 × 10²³ FLOP, op hardware vastgelegd als NVIDIA H100 SXM5 80GB. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.

Phi-4— kan ik het draaien als het niet in mijn GPU past?

Het kan worden opgesplitst tussen de GPU-kaart en systeemgeheugen, maar het genereert op die manier pijnlijk traag. De dichtstbijzijnde miscalculatie die we berekenen, komt tekort met 2.0 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

Phi-4— Zouden twee GPU's het sneller draaien?

Capaciteit voegt samen over kaarten; doorvoer niet. Het aantal kaarten dat het al op zichzelf vasthoudt: 306. Dus een tweede card is zelden het antwoord hier.

Phi-4— waarom verschilt de quantisatie tussen kaarten?

Omdat de capaciteit varieert, varieert ook hoe hard het moet worden samengedrukt. Het aantal onderscheidende niveaus in de bovenstaande tabel: 5. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

Phi-4— hoe nauwkeurig zijn deze snelheidsschattingen?

Dit zijn schattingen met echte foutmarges, en elk van hen zou redelijkerwijs ergens binnen zijn gepubliceerde bereik kunnen vallen, afhankelijk van welke runtime je gebruikt. Het snelste resultaat hier: 145–387 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

Phi-4— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is P102-101, met een geheugen capaciteit van 10 GB. Het draait het model op een compressie van IQ4_XS ongeveer 8.4 GB, en produceert ongeveer 20.2 tokens per second. Het aantal kaarten dat het totaal kan draaien: 306.

Phi-4— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 242 tokens per seconde; de langzaamste die het nog steeds draait haalt aanzienlijk minder. De leessnelheid is rond de tien tokens per seconde, en het aantal kaarten dat dat haalt: 268.

Phi-4— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 8.4 GB bij een compressie van IQ4_XS, welke is wat de kleinste card die het draait gebruikt. Minder compressie heeft meer nodig: de cijfers in de memory-kolom hierboven worden opnieuw berekend voor elke card, omdat elke card de minst gecomprimeerde versie kan vasthouden.

Phi-4— kan ik het draaien op een GPU met 12 GB?

Ja. De GPU kaart GeForce RTX 3080 Ti, houden 12 GB, draait het met een compressie van Q5_K_M, ongeveer 10.8 GB en genereren ongeveer 49.3 tokens per second. De pasvorm is krap.

Phi-4— kan ik het draaien op een GPU met 16 GB?

Ja. De GPU kaart Tesla V100 SXM2 16 GB, houden 16 GB, draait het met een compressie van Q6_K, ongeveer 12.4 GB en genereren ongeveer 49.7 tokens per second. De pasvorm is krap.

Phi-4— kan ik het draaien op een GPU met 24 GB?

Ja. De GPU kaart GeForce RTX 5090 D V2, houden 24 GB, draait het met een compressie van Q8_0, ongeveer 15.7 GB en genereren ongeveer 40.5 tokens per second. De fit is comfortabel.

Phi-4— is het open-source?

De gewichten zijn gepubliceerd, zodat ze kunnen worden gedownload en op je eigen hardware kunnen worden uitgevoerd. Houd er rekening mee dat OPEN WEIGHTS niet hetzelfde is als open source in de volle zin — het zegt niets over de trainingsdata, de trainingscode of de commerciële voorwaarden die eraan zijn verbonden.

Bron

Originele publicatie

Laatste update geregistreerd 28 November 2025

De andere richting

Van de andere kant bekijken?

Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.

Alle AI-modellen