BenchLeader

Phi-4

质量第 281 / 339 名
39.3Index
后四分之一
较中位数 −10.9
价格第 47 / 255 名
$0.223每百万 token
最便宜的四分之一
中位数的 0.3 倍
速度第 203 / 216 名
32token/秒
后四分之一
中位数的 0.4 倍
性价比第 58 / 255 名
176.2分/$
前四分之一
中位数的 3.2 倍

性价比更高: Gemma 4 E4B $0.040/M 即可获得 Index 43.2,便宜 82%。

有 28 个更便宜的已排名模型得分更高:Claude Haiku 5.5 (56.7, $0.200)、MiMo-V2.5 (56.3, $0.138)、Step 3.5 Flash (56.3, $0.150),另有 25 个。

截至 2026年11月16日,Phi-4(Microsoft)在 BenchLeader Index 上得分 39.3(共 608 个已排名配置)。表现最好的是数学(42),最弱的是长上下文(23)。API 价格为每百万 token $0.219(按输入 3 : 输出 1 混合),为 2026年11月16日的标价。输出速度约为 32 token/秒(Artificial Analysis)。发布于 2024年12月12日。

要点(截至 2026年11月16日)

  • Phi-4 的 API 价格为每百万 token $0.219(按输入 3 : 输出 1 混合)(标价,2026年11月16日)。
  • Phi-4 的输出速度约为 32 token/秒(Artificial Analysis,2026年11月16日)。
  • Phi-4 于 2024年12月12日发布(Microsoft)。

详细说明:Phi-4 是 Microsoft 的开放权重模型,发布于 2024年12月12日。其最佳配置在 BenchLeader Index 上得分 39.3 ±4.8,在 608 个配置中排第 545 名,处于下半区。关键在于这个“±”:另有 156 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,数学得分最高(42),长上下文最低(23)。按混合价格计,每百万 token $0.223,属于已排名模型中最便宜的五分之一。输出速度为 32 token/秒,首次回答需 4.2 秒,位于最慢的四分之一。最近一次测量:2026年11月11日。

混合价格
$0.223/M
输入 $0.130 · 输出 $0.500
来源:Artificial Analysis
输出速度
32 tok/s
由 Artificial Analysis 测量
首次回答
4.16 s
首 token 0.27 s
上下文
16k
来源:OpenRouter
单任务成本
–
单任务 token 数
–
发布日期
2024年12月12日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index39
  2. 推理41
  3. 编程41
  4. 智能体与工具40
  5. 数学42
  6. 指令遵循28
  7. 人类偏好40
  8. 长上下文23

嵌入这个排名

更多徽章样式
[![Phi-4 on BenchLeader: 综合第 273 名](https://www.benchleader.com/badge/phi-4.svg?style=compact)](https://www.benchleader.com/models/phi-4)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

Microsoft 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

版本

Microsoft 以这个名称发布过 4 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。

模型发布日期Index排名
Phi-4本页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 走势

2026年9月8日 至 2026年11月16日
354249

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

元数据

基准测试默认来源趋势
AA Openness Index不计入 Index50#61Artificial Analysis

推理

基准测试默认来源趋势
GPQA Diamond56.1%#213Epoch AI Benchmarking Hub
Arena Hard Prompts1278#288Arena (LMArena)
GPQA Diamond (AA)不计入 Index57.5%#399Artificial Analysis
Humanity's Last Exam (AA)不计入 Index3.8%#591Artificial Analysis
CritPt不计入 Index0.0%#337Artificial Analysis
Arena Expert不计入 Index1269#272Arena (LMArena)

编程

基准测试默认来源趋势
Arena Coding1306#286Arena (LMArena)
LiveCodeBench (AA)不计入 Index23.1%#236Artificial Analysis

智能体与工具

知识

基准测试默认来源趋势
MMLU不计入 Index84.8%#9Epoch AI Benchmarking Hub

指令遵循

基准测试默认来源趋势
IFBench23.5%#404Artificial Analysis
Arena Instruction Following不计入 Index1245#294Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1256#298Arena (LMArena)
Arena Creative Writing不计入 Index1210#297Arena (LMArena)
Arena Multi-turn不计入 Index1242#293Arena (LMArena)
Arena Longer Queries不计入 Index1267#292Arena (LMArena)
Lech Mazur Creative Writing不计入 Index62.6%#39Lech Mazur

长上下文

基准测试默认来源趋势
AA-LCR v1.10.0%#517Artificial Analysis

综合

基准测试默认来源趋势
Epoch Capabilities Index不计入 Index129.0#146Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index5.9#561Artificial Analysis
AA Progress Index v1不计入 Index158.3#540Artificial Analysis

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
DeepInfra84 tok/s0.27 s$0.070$0.14016kbf16

价格历史

上述价格(每百万 token)在每个变动日的数值。

$0.00$0.138$0.275$0.413$0.55026年9月26年10月26年11月
输入 输出
当前:输入 $0.130 · 输出 $0.500

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0002–13.5 s
总结一份 30 页的报告12,000 / 600$0.0019–22.8 s
代码编辑6,000 / 1,500$0.0015–50.7 s
智能体编程会话60,000 / 4,000$0.0098–2.1 min
结构化信息提取2,000 / 200$0.0004–10.4 s

Microsoft 的更多模型

本月新上线

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Phi-4 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

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

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

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}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Phi-4 的基准测试得分是多少?
截至 2026年11月16日,Phi-4 的 BenchLeader Index 为 39.3 ±4.8。最强的是数学(42),最弱的是长上下文(23)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
Phi-4 排名第几?
截至 2026年11月16日,Phi-4 在 608 个已排名配置中排第 545 名。另有 156 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
Phi-4 每百万 token 的价格是多少?
截至 2026年11月16日,Phi-4 的价格为输入每百万 token $0.130、输出每百万 token $0.500,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.223。标价最近一次变动是在 2026年9月9日。
Phi-4 是什么时候发布的?
Microsoft 于 2024年12月12日发布了 Phi-4。

数据截至 2026年11月16日。 与其他模型对比

引用格式:BenchLeader,《Phi-4:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/phi-4。