5 月 1 日消息，微軟昨日（4 月 30 日）發(fā)布 Phi-4-reasoning 系列推理模型，通過監(jiān)督微調(diào) Phi-4，并利用 o3-mini 生成的高質量“可教導”提示數(shù)據(jù)集訓練，專為復雜推理任務設計。

援引博文介紹，微軟本次共推出 Phi-4-reasoning、Phi-4-reasoning-plus 和 Phi-4-mini-reasoning 三款模型，官方稱該系列模型不僅延續(xù)了小型模型的高效特性，還在推理能力上實現(xiàn)重大突破。

該系列模型通過推理時間擴展（inference-time scaling）技術，擅長處理需要多步驟分解和內(nèi)部反思的復雜任務，尤其在數(shù)學推理和代理型應用中表現(xiàn)突出，具備媲美大型前沿模型的潛力。

Phi-4-reasoning 是一款擁有 140 億參數(shù)的開源推理模型，通過監(jiān)督微調(diào)（Supervised Fine-Tuning，SFT）Phi-4，結合 OpenAI o3-mini 的高質量推理演示數(shù)據(jù)，并充分利用額外計算資源，生成詳細的推理鏈條。

Phi-4-reasoning-plus 增強版通過強化學習（Reinforcement Learning，RL）進一步提升性能，tokens 用量比標準版多 1.5 倍，支持更高精度。

兩款模型在數(shù)學推理和博士級科學問題測試中，均超越 OpenAI o1-mini 和 DeepSeek-R1-Distill-Llama-70B，甚至在 AIME 2025（美國數(shù)學奧林匹克資格賽）中擊敗 6710 億參數(shù)的 DeepSeek-R1 滿血模型。

Phi-4-mini-reasoning 專為計算資源有限的環(huán)境設計，是一款基于 Transformer 的緊湊型語言模型，優(yōu)化用于數(shù)學推理。

該模型通過 DeepSeek-R1 生成的合成數(shù)據(jù)微調(diào)，能在低延遲場景下提供高質量的逐步問題解決方案。這款模型覆蓋從中學到博士級的百萬級多樣化數(shù)學問題，非常適合教育應用、嵌入式輔導和邊緣設備部署。

在多項數(shù)學基準測試中，其 3.8 億參數(shù)的表現(xiàn)超越 OpenThinker-7B 和 Llama-3.2-3B-instruct 等更大模型，甚至在部分測試中接近 OpenAI o1-mini 的水平。