Phi-4
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
- 综合 Index39
- 推理41
- 编程41
- 智能体与工具40
- 数学42
- 指令遵循28
- 人类偏好40
- 长上下文23
嵌入这个排名
更多徽章样式[](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。
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。
Index 走势
2026年9月8日 至 2026年11月16日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 Index | 50#61 | Artificial Analysis |
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| GPQA Diamond | 56.1%#213 | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts | 1278#288 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 57.5%#399 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 3.8%#591 | Artificial Analysis | |
| CritPt不计入 Index | 0.0%#337 | Artificial Analysis | |
| Arena Expert不计入 Index | 1269#272 | Arena (LMArena) |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Coding | 1306#286 | Arena (LMArena) | |
| LiveCodeBench (AA)不计入 Index | 23.1%#236 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Terminal-Bench Hard | 3.8%#303 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 0.0%#398 | Artificial Analysis | |
| BFCL Overall | 28.8%#52 | Berkeley Function Calling Leaderboard | |
| BALROG不计入 Index | 11.6%#33 | BALROG |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| 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)不计入 Index | 18.0%#204 | Artificial Analysis |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MMLU不计入 Index | 84.8%#9 | Epoch AI Benchmarking Hub |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 23.5%#404 | Artificial Analysis | |
| Arena Instruction Following不计入 Index | 1245#294 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1256#298 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1210#297 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1242#293 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1267#292 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index | 62.6%#39 | Lech Mazur |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 0.0%#517 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 129.0#146 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 5.9#561 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 158.3#540 | Artificial 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 |
|---|---|---|---|---|---|---|
| DeepInfra | 84 tok/s | 0.27 s | $0.070 | $0.140 | 16k | bf16 |
价格历史
上述价格(每百万 token)在每个变动日的数值。
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
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。
[](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}
}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。