Vergelijken

Phi Tiny MoE Instruct vs Phi-4

Zet twee tot vier modellen naast elkaar op de velden die een deployment bepalen: context, prijs, regio, licentie, talen, hosting en wat is geverifieerd.

Phi Tiny MoE InstructPhi-4
Provider MicrosoftMicrosoft
Parameters 3.8B14.66B
Contextvenster Niet geverifieerd: de provider heeft deze claim niet gedocumenteerd.16k
Licentie mitmit
Modaliteiten texttext
Releasedatum 23 jun 202511 dec 2024
Talen Sterk: en
Voldoende: —
Sterk: en
Voldoende: —
Open weights jaja
Taken Redeneren, Lage kostenRedeneren, Samenvatten, Lage kosten, Retrieval (RAG)

Waar twee modellen verschillen, toont deze tabel het verschil en stopt. LLM EU publiceert geen winnaarsbadge zonder een gedocumenteerde score voor die taak, en een ontbrekend cijfer blijft ontbreken in plaats van een nul te worden.

Wanneer te gebruiken

Phi Tiny MoE Instruct

Sterke punten

  • open weights are published on Hugging Face and can be downloaded without a vendor agreement
  • mit licence, so commercial self-hosting is permitted without a separate agreement
  • at 3.8B parameters it fits on a single accelerator
  • the model page lists en
  • instruction-tuned checkpoint with a chat template in the repository

Beperkingen

  • catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
  • no evaluation has been run by LLM EU
  • the published configuration records no context window, so the card carries none
  • at 3.8B parameters, the weights fit on a single modest accelerator

Taken

Redeneren, Lage kosten

Phi-4

Sterke punten

  • strong MMLU and maths scores at 14B parameters
  • MIT licence without user thresholds
  • fits a single 40GB accelerator at BF16

Beperkingen

  • 16K-token context window
  • declared English-only; EU-language performance is not documented
  • training leans on synthetic data, which narrows domain robustness

Taken

Redeneren, Samenvatten, Lage kosten, Retrieval (RAG)

Taken: Redeneren, Lage kosten

Modellen vergelijken

Modellen vergelijken →