Phi-4-reasoning представляет собой 14-миллиардную модель, созданную на основе базовой Phi-4 через supervised fine-tuning с использованием более 1.4 миллионов тщательно отобранных промптов и высококачественных ответов, сгенерированных моделью o3-mini1. Модель специализируется на задачах, требующих сложного многоступенчатого мышления, и демонстрирует способность генерировать детальные цепочки рассуждений, при этом эффективно используют вычислительные ресурсы во время инференса.
Ключевые характеристики производительности модели впечатляют: она превосходит значительно более крупные открытые модели, такие как DeepSeek-R1-Distill-Llama-70B, и приближается к уровню производительности полной модели DeepSeek-R1 на различных бенчмарках. На математических задачах AIME 2025 модель показывает улучшение более чем на 50 процентных пунктов по сравнению с базовой Phi-4, а на задачах программирования LiveCodeBench - улучшение более чем на 25 процентных пунктов.Особенностью Phi-4-reasoning является её способность к обобщению и переносу знаний на задачи, которые не были специально включены в обучающие данные, также демонстрирует улучшения в общих задачах, включая следование инструкциям и детекцию токсичного контента.
Phi-4-reasoning идеально подходит для применений, требующих надежного логического мышления при ограниченных вычислительных ресурсах: образовательные платформы для решения математических задач, системы автоматизированного программирования, научные исследовательские инструменты, а также любые приложения, где необходимо балансировать высокое качество рассуждений с эффективностью использования ресурсов.
| Наименование модели | Контекст | Тип | GPU | Статус | Ссылка |
|---|
Для данной модели пока нет публичных эндпоинтов.
Эндпоинт — это сервер с предустановленным программным обеспечением, с помощью которого автоматически скачиваются веса нейросети и запускается OpenAI-совместимый API для обращений к серверу.
Частный эндпоинт создается в проекте пользователя, принадлежит пользователю монопольно и тарифицируется за каждую конфигурацию сервера в соответствии с нашими инфраструктурными тарифами.
Мы рекомендуем создание частных эндпоинтов в случаях, если необходимо:
| Наименование | GPU | TPS | Параллельность (макс.) | |||
|---|---|---|---|---|---|---|
32 768 tensor |
2 | 51,34 ₽ | 23.38 | 1,56 | Запустить | |
32 768 tensor |
2 | 83,37 ₽ | 54.68 | 3,85 | Запустить | |
32 768 pipeline |
3 | 127,37 ₽ | 1,08 | Запустить | ||
32 768 tensor |
2 | 139,77 ₽ | 62.54 | 4,15 | Запустить | |
32 768 tensor |
2 | 139,77 ₽ | 4,15 | Запустить | ||
32 768 |
1 | 141,77 ₽ | 2,05 | Запустить | ||
32 768 tensor |
2 | 171,77 ₽ | 80.98 | 4,15 | Запустить | |
32 768 |
1 | 211,77 ₽ | 83.01 | 9,02 | Запустить | |
32 768 |
1 | 341,77 ₽ | 84.90 | 8,95 | Запустить | |
32 768 |
1 | 367,41 ₽ | 147.58 | 11,00 | Запустить | |
32 768 tensor |
2 | 411,81 ₽ | 20,55 | Запустить | ||
32 768 |
1 | 423,04 ₽ | 18,01 | Запустить | ||
32 768 tensor |
2 | 839,97 ₽ | 38,38 | Запустить | ||
| Наименование | GPU | TPS | Параллельность (макс.) | |||
|---|---|---|---|---|---|---|
32 768 tensor |
2 | 83,37 ₽ | 1,77 | Запустить | ||
32 768 pipeline |
3 | 94,64 ₽ | 5.77 | 1,09 | Запустить | |
32 768 tensor |
2 | 139,77 ₽ | 48.66 | 2,08 | Запустить | |
32 768 tensor |
2 | 139,77 ₽ | 2,08 | Запустить | ||
32 768 tensor |
2 | 171,77 ₽ | 58.27 | 2,07 | Запустить | |
32 768 |
1 | 211,77 ₽ | 48.84 | 7,04 | Запустить | |
32 768 tensor |
2 | 261,77 ₽ | 4,38 | Запустить | ||
32 768 |
1 | 341,77 ₽ | 57.95 | 7,02 | Запустить | |
32 768 |
1 | 367,41 ₽ | 9,07 | Запустить | ||
32 768 tensor |
2 | 411,81 ₽ | 18,48 | Запустить | ||
32 768 |
1 | 423,04 ₽ | 15,95 | Запустить | ||
32 768 tensor |
2 | 839,97 ₽ | 36,31 | Запустить | ||
Свяжитесь с нашей специализированной группой поддержки по нейросетям support@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.