Phi-4
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
- 総合Index39
- 推論41
- コーディング41
- エージェント・ツール40
- 数学42
- 指示追従28
- 人間の評価40
- 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[](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。
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。
Indexの推移
2026年9月8日〜2026年11月16日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#61 | Artificial Analysis |
推論
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| GPQA Diamond | 56.1%#213 | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts | 1278#288 | Arena (LMArena) | |
| GPQA Diamond (AA)Index対象外 | 57.5%#399 | Artificial Analysis | |
| Humanity's Last Exam (AA)Index対象外 | 3.8%#591 | Artificial Analysis | |
| CritPtIndex対象外 | 0.0%#337 | Artificial Analysis | |
| Arena ExpertIndex対象外 | 1269#272 | Arena (LMArena) |
コーディング
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| Arena Coding | 1306#286 | Arena (LMArena) | |
| LiveCodeBench (AA)Index対象外 | 23.1%#236 | Artificial Analysis |
エージェント・ツール
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| Terminal-Bench Hard | 3.8%#303 | Artificial Analysis | |
| τ²-Bench Telecom (AA)Index対象外 | 0.0%#398 | Artificial Analysis | |
| BFCL Overall | 28.8%#52 | Berkeley Function Calling Leaderboard | |
| BALROGIndex対象外 | 11.6%#33 | BALROG |
数学
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| OTIS Mock AIME | 13.8%#240 | Epoch AI Benchmarking Hub | |
| MATH Level 5 | 64.9%#43 | Epoch AI Benchmarking Hub | |
| Arena Maths | 1265#266 | Arena (LMArena) | |
| AIME 2025 (AA)Index対象外 | 18.0%#204 | Artificial Analysis |
知識
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| MMLUIndex対象外 | 84.8%#9 | Epoch AI Benchmarking Hub |
指示追従
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| IFBench | 23.5%#404 | Artificial Analysis | |
| Arena Instruction FollowingIndex対象外 | 1245#294 | Arena (LMArena) |
人間の評価
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| Arena Text | 1256#298 | Arena (LMArena) | |
| Arena Creative WritingIndex対象外 | 1210#297 | Arena (LMArena) | |
| Arena Multi-turnIndex対象外 | 1242#293 | Arena (LMArena) | |
| Arena Longer QueriesIndex対象外 | 1267#292 | Arena (LMArena) | |
| Lech Mazur Creative WritingIndex対象外 | 62.6%#39 | Lech Mazur |
長文コンテキスト
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| AA-LCR v1.1 | 0.0%#517 | Artificial Analysis |
総合
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| Epoch Capabilities IndexIndex対象外 | 129.0#146 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2Index対象外 | 5.9#561 | Artificial Analysis | |
| AA Progress Index v1Index対象外 | 158.3#540 | Artificial 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 |
|---|---|---|---|---|---|---|
| DeepInfra | 84 tok/s | 0.27 s | $0.070 | $0.140 | 16k | bf16 |
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。
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
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。
[](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}
}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