BenchLeader

Phi-4

品質339中281位
39.3Index
下位4分の1
中央値比 −10.9
価格255中47位
$0.223100万トークンあたり
安い方から4分の1
中央値の0.3倍
速度216中203位
32トークン/秒
下位4分の1
中央値の0.4倍
コスパ255中58位
176.2ポイント/$
上位4分の1
中央値の3.2倍

よりコスパが高いモデル: Gemma 4 E4B $0.040/MでIndex 43.2(82%安い)。

より安価でスコアの高いランク付けモデルが28つあります:Claude Haiku 5.5 (56.7, $0.200)、MiMo-V2.5 (56.3, $0.138)、Step 3.5 Flash (56.3, $0.150)ほか25つ。

2026年11月16日時点で、Phi-4(Microsoft)のBenchLeader Indexは39.3です(ランク付け対象は608構成)。最も強いのは数学(42)、最も弱いのは長文コンテキスト(23)です。API料金は100万トークンあたり$0.219(入力3:出力1のブレンド)で、2026年11月16日時点の定価です。出力速度は約32トークン/秒です(Artificial Analysis)。2024年12月12日にリリースされました。

要点(2026年11月16日時点)

  • Phi-4のAPI料金は100万トークンあたり$0.219(入力3:出力1のブレンド)です(定価、2026年11月16日)。
  • Phi-4の出力速度は約32トークン/秒です(Artificial Analysis、2026年11月16日)。
  • Phi-4は2024年12月12日にリリースされました(Microsoft)。

詳しく見ると:Phi-4はMicrosoftのオープンウェイトのモデルです(2024年12月12日リリース)。最もスコアの高い構成は、BenchLeader Indexで39.3 ±4.8を記録し、608構成中545位で下位半分に入ります。重要なのはこの「±」です。ほかに156構成のスコアがこの範囲に入っており、品質だけでは区別できません。差がつくのは価格と速度です。カテゴリ別では数学が最も高く(42)、長文コンテキストが最も低くなっています(23)。ブレンド価格は100万トークンあたり$0.223で、ランク付けされたモデルの中で最も安い5分の1に入ります。出力速度は32トークン/秒、回答開始まで4.2秒で、最も遅い4分の1に入ります。最終測定日:2026年11月11日。

ブレンド価格
$0.223/M
入力$0.130・出力$0.500
出典:Artificial Analysis
出力速度
32 tok/s
Artificial Analysisによる測定
回答開始
4.16 s
最初のトークン 0.27 s
コンテキスト
16k
出典:OpenRouter
タスクあたりコスト
–
タスクあたりトークン数
–
リリース日
2024年12月12日
カテゴリ別のスコア破線=平均的なモデル(50)。15ポイントが標準偏差1つ分です。
  1. 総合Index39
  2. 推論41
  3. コーディング41
  4. エージェント・ツール40
  5. 数学42
  6. 指示追従28
  7. 人間の評価40
  8. 長文コンテキスト23

この順位を埋め込む

ほかのバッジスタイル
[![Phi-4 on BenchLeader: 総合 273位](https://www.benchleader.com/badge/phi-4.svg?style=compact)](https://www.benchleader.com/models/phi-4)

README.mdの冒頭、ほかのバッジの横に貼り付けてください。バッジはデータの更新ごとに描き直され、このページへリンクします。

Microsoftの新モデル公開をメールで通知

ランク入りしたときにもう1通、さらに毎週月曜に週刊レビューをお届けします。

プロバイダーとメールの種類を選ぶ

バージョン

Microsoftはこの名前で4つのモデルを公開しています。それぞれ自身の結果だけでランク付けされます。新しいバージョンはまだ結果が少ないことが多く、結果が増えるまではIndexが平均寄りになります。

モデルリリース日Index順位
Phi-4このページ2024年12月12日39.3#545
Phi 3medium2024年4月23日37.8#567
Phi-22023年12月12日––
Phi-1.52023年9月11日––

Indexの推移

2026年9月8日〜2026年11月16日
354249

Indexは毎日ゼロから計算し直すため、新しいベンチマーク結果が加わったとき、公開元がスコアを修正したとき、または正規化の基準となるモデルが変わったときに線が動きます。初期の変動は、スコアがまだ落ち着いていないことを示している場合がほとんどです。

ベンチマーク結果

LLMベンチマーク一覧を見る。列は推論エフォートごとです。順位は、そのベンチマークでのすべてのモデルのすべての構成の中での位置です。スコアにカーソルを合わせると、元になった実行が表示されます。

メタデータ

ベンチマーク標準出典推移
AA Openness IndexIndex対象外50#61Artificial Analysis

推論

ベンチマーク標準出典推移
GPQA Diamond56.1%#213Epoch AI Benchmarking Hub
Arena Hard Prompts1278#288Arena (LMArena)
GPQA Diamond (AA)Index対象外57.5%#399Artificial Analysis
Humanity's Last Exam (AA)Index対象外3.8%#591Artificial Analysis
CritPtIndex対象外0.0%#337Artificial Analysis
Arena ExpertIndex対象外1269#272Arena (LMArena)

コーディング

ベンチマーク標準出典推移
Arena Coding1306#286Arena (LMArena)
LiveCodeBench (AA)Index対象外23.1%#236Artificial Analysis

エージェント・ツール

ベンチマーク標準出典推移
Terminal-Bench Hard3.8%#303Artificial Analysis
τ²-Bench Telecom (AA)Index対象外0.0%#398Artificial Analysis
BFCL Overall28.8%#52Berkeley Function Calling Leaderboard
BALROGIndex対象外11.6%#33BALROG

数学

知識

ベンチマーク標準出典推移
MMLUIndex対象外84.8%#9Epoch AI Benchmarking Hub

指示追従

ベンチマーク標準出典推移
IFBench23.5%#404Artificial Analysis
Arena Instruction FollowingIndex対象外1245#294Arena (LMArena)

人間の評価

ベンチマーク標準出典推移
Arena Text1256#298Arena (LMArena)
Arena Creative WritingIndex対象外1210#297Arena (LMArena)
Arena Multi-turnIndex対象外1242#293Arena (LMArena)
Arena Longer QueriesIndex対象外1267#292Arena (LMArena)
Lech Mazur Creative WritingIndex対象外62.6%#39Lech Mazur

長文コンテキスト

ベンチマーク標準出典推移
AA-LCR v1.10.0%#517Artificial Analysis

総合

ベンチマーク標準出典推移
Epoch Capabilities IndexIndex対象外129.0#146Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2Index対象外5.9#561Artificial Analysis
AA Progress Index v1Index対象外158.3#540Artificial Analysis

API料金:提供プロバイダー別

OpenRouter経由でこのモデルを提供しているすべてのプロバイダーです。スループットと最初のトークンまでのレイテンシは直近30分の実トラフィックで測定し、価格は各プロバイダー自身のものです。紫は各列の最良値を示します。

プロバイダー速度最初のトークン入力 $/M出力 $/Mコンテキスト量子化
DeepInfra84 tok/s0.27 s$0.070$0.14016kbf16

価格の推移

上記の価格(100万トークンあたり)を、変更があった日ごとに示します。

$0.00$0.138$0.275$0.413$0.55026年9月26年10月26年11月
入力 出力
現在:入力$0.130・出力$0.500

タスクあたりのコスト

最もスコアの高い構成の定価、出力速度、回答開始までの時間から算出した推定値です。「キャッシュあり」は、入力の4分の3がプロンプトキャッシュから提供されると仮定しています。推論トークンは考慮していません。

ワークロード入力/出力トークンコストキャッシュあり時間
チャットの返答400 / 300$0.0002–13.5 s
30ページのレポートを要約12,000 / 600$0.0019–22.8 s
コード編集6,000 / 1,500$0.0015–50.7 s
エージェント型コーディングセッション60,000 / 4,000$0.0098–2.1 min
構造化データの抽出2,000 / 200$0.0004–10.4 s

Microsoftのほかのモデル

今月の新着

関連ページ

埋め込み・引用

Phi-4の順位をモデルカードやREADMEに表示できます。バッジは毎日の更新に合わせて描き直され、データの日付が入り、このページへリンクします。

[![Phi-4 on BenchLeader: 総合 273位](https://www.benchleader.com/badge/phi-4.svg)](https://www.benchleader.com/models/phi-4)

このページを引用する

ランキングは毎日変わるため、参考文献にはデータの日付を入れます。APAスタイル:

BenchLeader. (2026, November 16). Phi-4 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/phi-4

BibTeX:

@misc{benchleader_phi_4_20261116,
  author       = {{BenchLeader}},
  title        = {{Phi-4 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/phi-4}},
  note         = {Data as of 2026-11-16}
}

すべてのバッジスタイル、埋め込み用のトップ10ウィジェット、Indexの引用方法

よくある質問

Phi-4のベンチマークスコアは?
2026年11月16日時点で、Phi-4のBenchLeader Indexは39.3 ±4.8です。最も強いのは数学(42)、最も弱いのは長文コンテキスト(23)です。この評価は第三者のベンチマーク結果だけに基づいており、このページのすべてのスコアに公開元へのリンクがあります。
Phi-4の順位は?
2026年11月16日時点で、Phi-4はランク付けされた608構成中545位です。ほかに156構成のスコアが誤差の範囲内にあるため、正確な順位よりも順位帯のほうが意味を持ちます。首位はClaude Fable 5.2(推論エフォート max)で、72.7です。
Phi-4の料金は100万トークンあたりいくらですか?
2026年11月16日時点で、Phi-4の料金は入力100万トークンあたり$0.130、出力100万トークンあたり$0.500で、ブレンド価格(出力1トークンにつき入力3トークン)は$0.223です。定価が最後に変わったのは2026年9月9日です。
Phi-4はいつリリースされましたか?
Microsoftが2024年12月12日にPhi-4をリリースしました。

2026年11月16日時点のデータです。 ほかのモデルと比較

引用表記:BenchLeader「Phi-4:ベンチマーク、料金、速度、順位」2026年11月16日時点のデータ、https://www.benchleader.com/ja/models/phi-4