Comparar
Phi-4-multimodal-instruct vs Phi-4
Ponga de dos a cuatro modelos lado a lado según los campos que deciden un despliegue: contexto, precio, región, licencia, idiomas, alojamiento y qué está verificado.
| Phi-4-multimodal-instruct | Phi-4 | |
|---|---|---|
| Proveedor | Microsoft | Microsoft |
| Parámetros | 5.57B | 14.66B |
| Ventana de contexto | 131k | 16k |
| Licencia | mit | mit |
| Modalidades | text, vision, audio | text |
| Fecha de publicación | 24 feb 2025 | 11 dic 2024 |
| Idiomas | Sólido: en, de, fr, es, it, pt Adecuado: nl, pl, sv, da, fi, cs, ru, uk, ar, zh, ja, ko, hi, tr | Sólido: en Adecuado: — |
| Pesos abiertos | sí | sí |
| Tareas | Visión, Resumen, Soporte multilingüe, Bajo coste | Razonamiento, Resumen, Bajo coste, Recuperación (RAG) |
Cuando dos modelos difieren, esta tabla muestra la diferencia y se detiene. LLM EU no publica ninguna insignia de ganador sin una puntuación documentada para esa tarea, y una cifra faltante sigue faltando en lugar de convertirse en un cero.
Cuándo usarlo
Phi-4-multimodal-instruct
Puntos fuertes
- 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
Límites
- modality-specific quality is below dedicated single-modality models
- English-centric training data
- no evaluation has been run by LLM EU
Tareas
Phi-4
Puntos fuertes
- strong MMLU and maths scores at 14B parameters
- MIT licence without user thresholds
- fits a single 40GB accelerator at BF16
Límites
- 16K-token context window
- declared English-only; EU-language performance is not documented
- training leans on synthetic data, which narrows domain robustness
Tareas
Tareas: Resumen, Bajo coste