Title: Phi-4-multimodal-instruct | LLM EU
Canonical: https://llmeu.com/de/models/phi-4-multimodal-instruct/
Markdown mirror: https://llmeu.com/de/models/phi-4-multimodal-instruct.md
Machine-readable: https://llmeu.com/llms.txt (index) - https://llmeu.com/llms-full.txt (full catalogue) - https://llmeu.com/llms-catalogue.json
Provider: Microsoft
Licence: mit
Hosting: catalogue only %E2%80%94 not hosted on LLM EU yet
Sources: https://huggingface.co/microsoft/Phi-4-multimodal-instruct https://arxiv.org/abs/2503.01743

# Phi-4-multimodal-instruct

[Microsoft](/de/providers/microsoft/)

Zuletzt gepr%C3%BCft: 14. Okt. 2026

## Souver%C3%A4nit%C3%A4t und Hosting

Dieses Modell ist als Referenz katalogisiert. Es wird noch nicht bei LLM EU gehostet, und kein Endpunkt aus erster Hand bedient es hier. Anfragen dazu gehen direkt an den Anbieter, zu dessen eigenen Bedingungen.

## Zusammenfassung

Phi-4-multimodal-instruct ist ein 5,6B-Modell, das Text, Bilder und Sprache in einem Checkpoint verarbeitet, mit 128K Kontext und MIT-Lizenz. Die Modellkarte nennt 55,1 auf MMMU, 93,2 auf DocVQA und 62,4 auf MathVista und f%C3%BChrt die unterst%C3%BCtzten Sprachen getrennt je Eingabemodalit%C3%A4t auf. Es ist eine kompakte Option f%C3%BCr Dokument- und Sprachpipelines, die sonst zwei Modelle br%C3%A4uchten.

## Technische Daten

- Anbieter
  Microsoft (US)
- Kontextfenster
  131k
- Modellparameter
  5.57B
- Modalit%C3%A4ten
  text, vision, audio
- Lizenz
  mit %C2%B7 [licence](https://opensource.org/license/mit)
- Offene Gewichte
  yes
- Ver%C3%B6ffentlichungsdatum
  24. Feb. 2025
- Aufgaben
  [Bildverstehen](/de/tasks/vision/), [Zusammenfassen](/de/tasks/summarization/), [Mehrsprachiger Support](/de/tasks/multilingual-support/), [G%C3%BCnstig](/de/tasks/cheap/)

## Sprachen

**Stark:** en, de, fr, es, it, pt

**Ausreichend:** nl, pl, sv, da, fi, cs, ru, uk, ar, zh, ja, ko, hi, tr

#### Stark

- en
- de
- fr
- es
- it
- pt

#### Ausreichend

- nl
- pl
- sv
- da
- fi
- cs
- ru
- uk
- ar
- zh
- ja
- ko
- hi
- tr

Nicht verifiziert: Der Anbieter hat diese Angabe nicht belegt. %E2%80%94 a language is listed as strong only where a source claims it; the card links the evidence where one exists.

## Wann einsetzen

#### St%C3%A4rken

- text, image and speech input at 5.6B parameters
- 128K-token context for document batches
- MIT licence
- 23 declared languages including most large EU languages

#### Grenzen

- modality-specific quality is below dedicated single-modality models
- English-centric training data
- no evaluation has been run by LLM EU

## H%C3%A4ufige Fragen

### Is Phi-4-multimodal-instruct served on LLM EU?

It has no endpoint in the catalogue, so it is catalogue only %E2%80%94 not hosted on LLM EU yet, with no region and no retention to report. A card whose status is "listed" is a catalogue entry, not a running deployment.

### Under what licence is Phi-4-multimodal-instruct released?

Phi-4-multimodal-instruct is recorded under mit. The recorded licence text is https://opensource.org/license/mit. The weights are downloadable (open_weights is true). LLM EU republishes the licence id and the link and gives no legal advice; the licence text governs.

### How large is Phi-4-multimodal-instruct, and what context window does it have?

Phi-4-multimodal-instruct is recorded at 5.57B (safetensors total 5,574,460,384) (source: https://huggingface.co/api/models/microsoft/Phi-4-multimodal-instruct), with a context window of 131072 tokens (source: https://huggingface.co/microsoft/Phi-4-multimodal-instruct).

### Preise

Dieses Modell ist als Referenz katalogisiert. Es wird noch nicht bei LLM EU gehostet, und kein Endpunkt aus erster Hand bedient es hier. Anfragen dazu gehen direkt an den Anbieter, zu dessen eigenen Bedingungen.

### Verifizierungsstatus

Hat ein Feld keine Quelle, zeigt die Karte es als nicht verifiziert, statt es zu f%C3%BCllen. Ein leeres Feld ist eine Information.

LLM EU Verified bedeutet dokumentiert, nicht rechtlich zertifiziert. Es ist keine Konformit%C3%A4tsbewertung nach der KI-Verordnung, und LLM EU ist keine EU-Einrichtung.

### Versionen und Varianten

- catalogue %C2%B7 Nur im Katalog %C2%B7 [weights](https://huggingface.co/microsoft/Phi-4-multimodal-instruct)

### Beispielaufruf

```
curl https://api.llmeu.com/v1/chat/completions \
  -H "Authorization: Bearer $LLMEU_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"phi-4-multimodal-instruct","messages":[{"role":"user","content":"Hello"}]}'
```

F%C3%BCr dieses Modell ist keine Testumgebung deployt: Kein Endpunkt bedient es, eine Anfrage h%C3%A4tte kein Ziel.

### Benchmark-Ergebnisse

- MMMU: **55.1 (vendor-reported)** [source](https://huggingface.co/microsoft/Phi-4-multimodal-instruct)
- DocVQA: **93.2 (vendor-reported)** [source](https://huggingface.co/microsoft/Phi-4-multimodal-instruct)
- MathVista (testmini): **62.4 (vendor-reported)** [source](https://huggingface.co/microsoft/Phi-4-multimodal-instruct)

### Quellen

- [huggingface.co](https://huggingface.co/microsoft/Phi-4-multimodal-instruct)
- [arxiv.org](https://arxiv.org/abs/2503.01743)

### %C3%84nderungen der Karte

- 24. Feb. 2025 %E2%80%94 Ver%C3%B6ffentlichungsdatum
- 14. Okt. 2026 %E2%80%94 Zuletzt gepr%C3%BCft

Zuletzt gepr%C3%BCft: 14. Okt. 2026

### Aufgaben

- [Bildverstehen](/de/tasks/vision/)