01できること
長所
- AIME/GPQAでR1-Distill-Llama-70Bを上回る
- MIT
- パラメータ数は50分の1で、R1に迫る性能
知っておくべき限界
- —Anglais-first
- —Python以外のコードでは性能が低い
- —コンテキストは32kまで
アーキテクチャ
デンス型 · o3-miniのトレースによるSFT · Plus版ではRLを追加
トレーニング
ベースのPhi-4よりRoPEの基準周波数を引き上げ。
おすすめの用途
数学論理研究
04インストール
インストール Ollama お使いのOS向け。ダウンロード前にモデルと量子化を確認してください。まずはコンテキストを4096トークンに設定し、その後、ollama ps でモデルの配置先を確認してください。以下にコマンドが記載されていることは、お使いのマシンでテストが実行された証拠にはなりません。
$ollama run phi4-reasoning:14b
LM Studio
グラフィカルインターフェース、CLI不要
→ ガイドを見る
llama.cpp
純粋な性能、ソースからのビルド
→ ガイドを見る
vLLM
OpenAI互換の本番サーバー
→ ガイドを見る
Jan / GPT4All
オールインワンデスクトップアプリ
→ ガイドを見る
⚠
初回ダウンロード：選択した量子化により 2 GB から 40 GB。ディスク容量を確保し、安定した接続を推奨します。その後の起動は即時です。
02必要なメモリ
このモデルを動作させるためのGPU VRAMの概算値（4kトークンのコンテキストオーバーヘッドを含む）。より長いコンテキストが必要な場合は、8kトークンごとに約1 GBを追加してください。
Q4_K_M
最も軽量、損失約 5%
9 GB
Q5_K_M
品質とサイズのバランスが良好
11 GB
Q8_0
FP16とほぼ区別がつかない
16 GB
FP16
フル精度 — サーバー用途
28 GB
CPU フォールバック ・GPUがない場合は、 16 RAM（GB） このモデルを低速で実行するための最低要件。
Phi-4 Reasoning 14Bに必要なハードウェアは？
Phi-4 Reasoning 14BをQ4量子化でローカル実行するには、VRAM 9 GB程度が必要です。比較候補：RTX 5070 12GB (ASUS Prime OC) — システムとコンテキスト用のメモリに余裕を持たせ、推論エンジンがGPUに対応していることを確認してください。
現在のオファー： RTX 5070 12GB (ASUS Prime OC)
Amazon価格を見る →アフィリエイトリンク — 追加費用なしで手数料を受け取る場合があります。独立したおすすめ情報です。Amazonアソシエイトとして、ローカルLLMナビは条件を満たす購入から利益を得ています。
外出先では： Phi-4 Reasoning 14B 〜でも動作します RTX搭載ノートPC (16 GBのVRAM) →
クラウドを使わず、このモデルを自分専用のChatGPTで利用
お使いのマシンで、プライベートかつ無料のChatGPTを1時間で構築 — LM Studio、Ollama、Open WebUI、ご自身のドキュメント、クラウド不要。
- 永久に利用できるオンラインスペース
- PDF + ファイル
- 生涯アップデート
03予想速度
Q4_K_M、コンテキスト 4k での毎秒生成トークン数。 20 t/sを超えると快適に読めます。 10 t/s未満では、試用にとどまります。
QuelLLM キット用途別のリファレンスガイド
すべてのキットを永久に利用 — 49 €