微软发布 Phi-4 系列小语言 AI 推理模型，AIME 2025 跑分超满血版 Deepseek R1

5 月 1 日消息，微软昨日（4 月 30 日）发布 Phi-4-reasoning 系列推理模型，通过监督微调 Phi-4，并利用 o3-mini 生成的高质量“可教导”提示数据集训练，专为复杂推理任务设计。

援引博文介绍，微软本次共推出 Phi-4-reasoning、Phi-4-reasoning-plus 和 Phi-4-mini-reasoning 三款模型，官方称该系列模型不仅延续了小型模型的高效特性，还在推理能力上实现重大突破。

该系列模型通过推理时间扩展（inference-time scaling）技术，擅长处理需要多步骤分解和内部反思的复杂任务，尤其在数学推理和代理型应用中表现突出，具备媲美大型前沿模型的潜力。

Phi-4-reasoning 是一款拥有 140 亿参数的开源推理模型，通过监督微调（Supervised Fine-Tuning，SFT）Phi-4，结合 OpenAI o3-mini 的高质量推理演示数据，并充分利用额外计算资源，生成详细的推理链条。

Phi-4-reasoning-plus 增强版通过强化学习（Reinforcement Learning，RL）进一步提升性能，tokens 用量比标准版多 1.5 倍，支持更高精度。

两款模型在数学推理和博士级科学问题测试中，均超越 OpenAI o1-mini 和 DeepSeek-R1-Distill-Llama-70B，甚至在 AIME 2025（美国数学奥林匹克资格赛）中击败 6710 亿参数的 DeepSeek-R1 满血模型。

Phi-4-mini-reasoning 专为计算资源有限的环境设计，是一款基于 Transformer 的紧凑型语言模型，优化用于数学推理。

该模型通过 DeepSeek-R1 生成的合成数据微调，能在低延迟场景下提供高质量的逐步问题解决方案。这款模型覆盖从中学到博士级的百万级多样化数学问题，非常适合教育应用、嵌入式辅导和边缘设备部署。

在多项数学基准测试中，其 3.8 亿参数的表现超越 OpenThinker-7B 和 Llama-3.2-3B-instruct 等更大模型，甚至在部分测试中接近 OpenAI o1-mini 的水平。