FreeLLMAlle Modelle › microsoft
Phi-4-mini-reasoning
microsoft · offene Lizenz · veröffentlicht am 29. Apr. 2025
Wo du es kostenlos nutzen kannst
- Lade es herunter und führe es zu Hause aus: offizielle Gewichte · GGUF-Dateien für Ollama und LM Studio
Noch keine Arena-Stimmen
Die Arena hat über dieses Modell noch nicht abgestimmt. Es steht in der Liste, weil es ein beliebtes kleines Modell auf der offiziellen Hugging-Face-Seite seines Labors ist (41K Downloads im Monat).
Geschwindigkeit auf gängiger Hardware
| Hardware | GPU-Speicher | Passt es? | Geschwindigkeit |
|---|---|---|---|
| RTX 3060 12 GB | 12 GB | Passt in die GPU | 41 tok/s |
| RTX 4060 Ti 16 GB | 16 GB | Passt in die GPU | 33 tok/s |
| RTX 3090 | 24 GB | Passt in die GPU | 100 tok/s |
| RTX 4090 | 24 GB | Passt in die GPU | 106 tok/s |
| RTX 5090 | 32 GB | Passt in die GPU | 175 tok/s |
| RX 7900 XTX | 24 GB | Passt in die GPU | 102 tok/s |
| 2 × RTX 3090 | 48 GB | Passt in die GPU | 97 tok/s |
| 4 × RTX 3090 | 96 GB | Passt in die GPU | 91 tok/s |
| Mac M4 Max 128 GB | 96 GB | Passt in die GPU | 53 tok/s |
| Ryzen AI Max+ 395 128 GB | 96 GB | Passt in die GPU | 29 tok/s |
| 8 × H100 SXM | 640 GB | Passt in die GPU | 234 tok/s |
Schätzung bei 4-Bit mit 32K Kontext, 64 GB DDR5 zum Auslagern. Geschwindigkeit ≈ Speicherbandbreite × 78 % ÷ pro Token gelesene Daten, plus feste Kosten pro Token, kalibriert an 44 echten llama.cpp-Tests; typische Abweichung etwa ±10 %. Alle Grafikkarten vergleichen.
Benötigter GPU-Speicher
| Stufe | 8K Kontext | 32K Kontext | 128K Kontext | Qualität im Vergleich zum Original |
|---|---|---|---|---|
| Q3_K_M | 3.6 GB | 6.8 GB | 20 GB | +10.5 % spürbarer Verlust |
| Q4_K_M | 4.0 GB | 7.2 GB | 20 GB | +2.8 % kleiner Verlust |
| Q5_K_M | 4.4 GB | 7.6 GB | 20 GB | +0.9 % sehr kleiner Verlust |
| Q6_K | 4.8 GB | 8.0 GB | 21 GB | +0.3 % nahezu verlustfrei |
| Q8_0 | 5.7 GB | 8.9 GB | 22 GB | ≈ 0 % wie das Original |
| F16 | 9.3 GB | 12 GB | 25 GB | ≈ 0 % wie das Original |
Gewichte + Kontext-Cache (aus der Architektur des Modells) + Laufzeit. Qualität: Anstieg von perplexity gegenüber dem vollen Modell, aus llama.cpp-Tests, skaliert nach Modellgröße. Simuliere dein eigenes Setup.
Diese Seite teilen:XLinkedInRedditWhatsApp
Falsche Zahl oder kaputten Link entdeckt? Fehler melden