MicrosoftSprachmodell
Phi-4-mini
Für Phi-4-mini gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.
BeliebtheitPlatz 57 von 785
55von 100+13 zum Vormonat
beruht auf Suche, Nutzung und Aufmerksamkeit
Zusammenfassung
Neu an Phi-4-mini sind ein auf rund 200.000 Token vergrößertes Vokabular, Grouped-Query Attention und gemeinsam genutzte Ein- und Ausgabe-Embeddings. Microsoft nennt 23 unterstützte Sprachen. Der offene 3,8B-Instruct-Checkpoint hat 128K Token Kontext und wurde mit synthetischen sowie gefilterten öffentlichen Daten, SFT und DPO trainiert.
Microsoft weist auf begrenztes Faktenwissen des 3,8B-Modells hin.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 59 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 5
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
AIEval DoW Knowledge (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 80.2
- Bewertung
- 80.2
- Messgröße
- share of items passed
- Einheit
- %
- Benchmark-Version
- AIEval DoW Bench v1.1.1 stage1; run 9bf1f0609013
- Kategorie
- knowledge
- Richtung
- Mehr ist besser
- Stichprobe
- 96
- Quellentyp
- independent-evaluator
- Auswertung
- AI Eval Corp, AIEval DoW Bench
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakter Modellstand Microsoft/Phi-4-mini-instruct mit Revision cfbefacb99257ffa30c83adab238a50856ac3083; BF16, Antwortlimit 1.024 Token, Promptbudget 512 Token, Kontext 1.536 Token, einzelner Offline-Lauf auf RTX 4070 Super. Für dieses Instruct-Modell wird kein gesondertes Thinking-Limit angegeben. Freitextantworten werden gemäß der Same-Family-Regel von Granite 4.2 3B nachbewertet.
- Einordnung
- AI Eval meldet die Prüfung auf mindestens 80 % Übereinstimmung mit menschlichen Bewertungen noch als offen. Granite 4.2 3B bewertete 88 richterbewertete Elemente über die drei Suiten dieses Modells. Laut Quelle sind Unterschiede unter etwa einem Punkt bei diesen Stichproben nicht aussagekräftig; ein CI ist nicht veröffentlicht.
AIEval Honest Broker (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 16.7
- Bewertung
- 16.7
- Messgröße
- share of items passed
- Einheit
- %
- Benchmark-Version
- AIEval DoW Bench v1.1.1 stage1; run 9bf1f0609013
- Kategorie
- calibration
- Richtung
- Mehr ist besser
- Stichprobe
- 48
- Quellentyp
- independent-evaluator
- Auswertung
- AI Eval Corp, AIEval DoW Bench
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakter Modellstand Microsoft/Phi-4-mini-instruct mit Revision cfbefacb99257ffa30c83adab238a50856ac3083; BF16, Antwortlimit 1.024 Token, Promptbudget 512 Token, Kontext 1.536 Token, einzelner Offline-Lauf auf RTX 4070 Super. Für dieses Instruct-Modell wird kein gesondertes Thinking-Limit angegeben. Freitextantworten werden gemäß der Same-Family-Regel von Granite 4.2 3B nachbewertet.
- Einordnung
- AI Eval meldet die Prüfung auf mindestens 80 % Übereinstimmung mit menschlichen Bewertungen noch als offen. Granite 4.2 3B bewertete 88 richterbewertete Elemente über die drei Suiten dieses Modells. Laut Quelle sind Unterschiede unter etwa einem Punkt bei diesen Stichproben nicht aussagekräftig; ein CI ist nicht veröffentlicht. Die Strenge des Richters unterscheidet sich und der Evaluator warnt vor direkten Vergleichen mit den übrigen sieben Modellen.
AIEval Lawful Order (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 80.8
- Bewertung
- 80.8
- Messgröße
- harmonic mean of unlawful-request refusal and lawful-task helpfulness
- Einheit
- %
- Benchmark-Version
- AIEval DoW Bench v1.1.1 stage1; run 9bf1f0609013
- Kategorie
- safety
- Richtung
- Mehr ist besser
- Stichprobe
- 40
- Quellentyp
- independent-evaluator
- Auswertung
- AI Eval Corp, AIEval DoW Bench
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakter Modellstand Microsoft/Phi-4-mini-instruct mit Revision cfbefacb99257ffa30c83adab238a50856ac3083; BF16, Antwortlimit 1.024 Token, Promptbudget 512 Token, Kontext 1.536 Token, einzelner Offline-Lauf auf RTX 4070 Super. Für dieses Instruct-Modell wird kein gesondertes Thinking-Limit angegeben. Freitextantworten werden gemäß der Same-Family-Regel von Granite 4.2 3B nachbewertet.
- Einordnung
- AI Eval meldet die Prüfung auf mindestens 80 % Übereinstimmung mit menschlichen Bewertungen noch als offen. Granite 4.2 3B bewertete 88 richterbewertete Elemente über die drei Suiten dieses Modells. Laut Quelle sind Unterschiede unter etwa einem Punkt bei diesen Stichproben nicht aussagekräftig; ein CI ist nicht veröffentlicht. Die acht Graubereichselemente zählen nicht zum Hauptwert und dessen Nenner von 40 Fragen.
AIEval DoW Bench Score (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 59.2
- Bewertung
- 59.2
- Messgröße
- Equal-weight average of the DoW Knowledge, Honest Broker, and Lawful Order headline scores
- Einheit
- %
- Benchmark-Version
- AIEval DoW Bench v1.1.1 stage1; run 9bf1f0609013; generation 42532423; re-judged and rescored c52abb57
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- AI Eval Corp, AIEval DoW Bench result page
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exaktes Modell Microsoft/Phi-4-mini-instruct, Revision cfbefacb99257ffa30c83adab238a50856ac3083; BF16; ein Offline-Lauf auf einer Windows-Workstation mit einer RTX 4070 Super mit 12 GB; Run-ID 9bf1f0609013. Der Anbieter der Evaluation definiert diesen veröffentlichten Wert als gleich gewichteten Mittelwert der drei Suite-Hauptwerte, nicht als nach Itemzahl gewichteten Mittelwert. Der Lauf nutzte ein Antwortlimit von 1.024 Token, ein Promptbudget von 512 Token und 1.536 Token Kontext; für dieses Modell gibt es kein separates Thinking-Limit. Die 88 durch ein Bewertungsmodell beurteilten Items bewertete Granite 4.2 3B nach der Same-Family-Regel. Die menschliche Übereinstimmungsprüfung ist noch offen.
- Einordnung
- Übernommen wird der vom Evaluator benannte Aggregatwert, kein selbst berechneter Score und keine neue Vergleichskohorte. Die Seite druckt 59,2 % und die Formel (80,2 % + 16,7 % + 80,8 %) / 3 = 0,5922. Der Mittelwert der angezeigten gerundeten Teilwerte beträgt 59,233... %; die exakten ungerundeten Suitewerte hinter dem veröffentlichten Aggregat sind nicht angegeben. Der veröffentlichte Wert von 59,2 % wird ohne eigene Neuberechnung beibehalten. Laut Evaluator sind Unterschiede unter ungefähr einem Punkt bei diesen Itemzahlen nicht aussagekräftig. Ein Konfidenzintervall und eine separate Stichprobengröße für den Aggregatwert sind nicht veröffentlicht. Die menschliche Übereinstimmungsprüfung für bewertete Freitextantworten ist offen; laut Ergebnisseite sind Freitextwerte, insbesondere Honest Broker, nicht direkt mit anderen von Phi-4-mini-instruct bewerteten Modellen vergleichbar.
AIEval DoW Knowledge submetric: multiple choice (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 94.4
- Bewertung
- 94.4
- Messgröße
- Share of multiple-choice items passed
- Einheit
- %
- Benchmark-Version
- AIEval DoW Bench v1.1.1 stage1; run 9bf1f0609013
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Stichprobe
- 72
- Quellentyp
- independent-evaluator
- Auswertung
- AI Eval Corp, AIEval DoW Bench result page
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Revision Microsoft/Phi-4-mini-instruct cfbefacb99257ffa30c83adab238a50856ac3083; BF16; Run 9bf1f0609013; deterministische Multiple-Choice-Teilmetrik innerhalb der 96 Items umfassenden DoW-Knowledge-Suite. Offline auf einer Windows-Workstation mit einer RTX 4070 Super mit 12 GB; ein Lauf, Antwortlimit 1.024 Token, Promptbudget 512 Token, 1.536 Token Kontext und kein separates Thinking-Limit.
- Einordnung
- Der Evaluator berichtet einen einzelnen Lauf; ein Konfidenzintervall ist nicht veröffentlicht. Der Hauptwert der 96-Item-Suite steht bereits im Profil. Diese Zeile enthält nur die eigenständige deterministische Komponente mit 72 Items.
AIEval DoW Knowledge submetric: short answer (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 37.5
- Bewertung
- 37.5
- Messgröße
- Share of judge-graded short-answer items passed
- Einheit
- %
- Benchmark-Version
- AIEval DoW Bench v1.1.1 stage1; run 9bf1f0609013; judge rescore c52abb57
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Stichprobe
- 16
- Quellentyp
- independent-evaluator
- Auswertung
- AI Eval Corp, AIEval DoW Bench result page
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Revision Microsoft/Phi-4-mini-instruct cfbefacb99257ffa30c83adab238a50856ac3083; BF16; Run 9bf1f0609013; durch ein Bewertungsmodell beurteilte Kurzantwort-Teilmetrik innerhalb von DoW Knowledge. Granite 4.2 3B bewertete nach der Same-Family-Regel alle 88 beurteilten Freitext-Items. Offline auf einer Windows-Workstation mit einer RTX 4070 Super mit 12 GB; ein Lauf; Antwortlimit 1.024 Token, Promptbudget 512 Token, 1.536 Token Kontext und kein separates Thinking-Limit.
- Einordnung
- Der Evaluator berichtet einen einzelnen Lauf, kein Konfidenzintervall und eine noch offene menschliche Übereinstimmungsprüfung. Der Vorbehalt zur Strenge des kleinen Bewertungsmodells und zur eingeschränkten Vergleichbarkeit der Freitextbewertung gilt weiterhin.
AIEval DoW Knowledge submetric: name the issuance (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 37.5
- Bewertung
- 37.5
- Messgröße
- Share of issuance-identification items passed
- Einheit
- %
- Benchmark-Version
- AIEval DoW Bench v1.1.1 stage1; run 9bf1f0609013
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Stichprobe
- 8
- Quellentyp
- independent-evaluator
- Auswertung
- AI Eval Corp, AIEval DoW Bench result page
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Revision Microsoft/Phi-4-mini-instruct cfbefacb99257ffa30c83adab238a50856ac3083; BF16; Run 9bf1f0609013; deterministische Teilmetrik zur Benennung der Erlasse innerhalb der 96 Items umfassenden DoW-Knowledge-Suite. Offline auf einer Windows-Workstation mit einer RTX 4070 Super mit 12 GB; ein Lauf, Antwortlimit 1.024 Token, Promptbudget 512 Token, 1.536 Token Kontext und kein separates Thinking-Limit.
- Einordnung
- Der Evaluator berichtet einen einzelnen Lauf und kein Konfidenzintervall. Dies ist eine Teilmetrik mit acht Items, kein weiterer DoW-Knowledge-Hauptwert.
AIEval Honest Broker submetric: fake-issuance abstention (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0
- Bewertung
- 0
- Messgröße
- Share of fake-issuance abstention items passed
- Einheit
- %
- Benchmark-Version
- AIEval DoW Bench v1.1.1 stage1; run 9bf1f0609013
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Stichprobe
- 8
- Quellentyp
- independent-evaluator
- Auswertung
- AI Eval Corp, AIEval DoW Bench result page
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Revision Microsoft/Phi-4-mini-instruct cfbefacb99257ffa30c83adab238a50856ac3083; BF16; Run 9bf1f0609013; deterministische Teilmetrik zur Verweigerung bei fingierten Erlassen innerhalb der 48 Items umfassenden Honest-Broker-Suite. Offline auf einer Windows-Workstation mit einer RTX 4070 Super mit 12 GB; ein Lauf, Antwortlimit 1.024 Token, Promptbudget 512 Token, 1.536 Token Kontext und kein separates Thinking-Limit.
- Einordnung
- Der Evaluator berichtet einen einzelnen Lauf und kein Konfidenzintervall. Diese deterministische Komponente gehört zum bereits erfassten Honest-Broker-Hauptwert über 48 Items und ist kein weiteres Vollsuite-Ergebnis.
AIEval Honest Broker submetric: citation validity (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 37.5
- Bewertung
- 37.5
- Messgröße
- Share of citation-validity items passed
- Einheit
- %
- Benchmark-Version
- AIEval DoW Bench v1.1.1 stage1; run 9bf1f0609013
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Stichprobe
- 8
- Quellentyp
- independent-evaluator
- Auswertung
- AI Eval Corp, AIEval DoW Bench result page
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Revision Microsoft/Phi-4-mini-instruct cfbefacb99257ffa30c83adab238a50856ac3083; BF16; Run 9bf1f0609013; deterministische Teilmetrik zur Gültigkeit von Quellenangaben innerhalb der 48 Items umfassenden Honest-Broker-Suite. Offline auf einer Windows-Workstation mit einer RTX 4070 Super mit 12 GB; ein Lauf, Antwortlimit 1.024 Token, Promptbudget 512 Token, 1.536 Token Kontext und kein separates Thinking-Limit.
- Einordnung
- Der Evaluator berichtet einen einzelnen Lauf und kein Konfidenzintervall. Diese deterministische Komponente gehört zum bereits erfassten Honest-Broker-Hauptwert über 48 Items und ist kein weiteres Vollsuite-Ergebnis.
AIEval Honest Broker submetric: sycophancy pairs (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 12.5
- Bewertung
- 12.5
- Messgröße
- Share of sycophancy-pair items passed
- Einheit
- %
- Benchmark-Version
- AIEval DoW Bench v1.1.1 stage1; run 9bf1f0609013
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Stichprobe
- 8
- Quellentyp
- independent-evaluator
- Auswertung
- AI Eval Corp, AIEval DoW Bench result page
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Revision Microsoft/Phi-4-mini-instruct cfbefacb99257ffa30c83adab238a50856ac3083; BF16; Run 9bf1f0609013; deterministische Teilmetrik zu Sycophancy-Paaren innerhalb der 48 Items umfassenden Honest-Broker-Suite. Offline auf einer Windows-Workstation mit einer RTX 4070 Super mit 12 GB; ein Lauf, Antwortlimit 1.024 Token, Promptbudget 512 Token, 1.536 Token Kontext und kein separates Thinking-Limit.
- Einordnung
- Der Evaluator berichtet einen einzelnen Lauf und kein Konfidenzintervall. Diese deterministische Komponente gehört zum bereits erfassten Honest-Broker-Hauptwert über 48 Items und ist kein weiteres Vollsuite-Ergebnis.
AIEval Honest Broker submetric: rubric (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 16.7
- Bewertung
- 16.7
- Messgröße
- Share of judge-graded rubric items passed
- Einheit
- %
- Benchmark-Version
- AIEval DoW Bench v1.1.1 stage1; run 9bf1f0609013; judge rescore c52abb57
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Stichprobe
- 24
- Quellentyp
- independent-evaluator
- Auswertung
- AI Eval Corp, AIEval DoW Bench result page
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Revision Microsoft/Phi-4-mini-instruct cfbefacb99257ffa30c83adab238a50856ac3083; BF16; Run 9bf1f0609013; durch ein Bewertungsmodell beurteilte Rubrik-Teilmetrik innerhalb der 48 Items umfassenden Honest-Broker-Suite. Granite 4.2 3B bewertete die 24 Rubrik-Items nach der Same-Family-Regel. Offline auf einer Windows-Workstation mit einer RTX 4070 Super mit 12 GB; ein Lauf; Antwortlimit 1.024 Token, Promptbudget 512 Token, 1.536 Token Kontext und kein separates Thinking-Limit.
- Einordnung
- Der Evaluator berichtet einen einzelnen Lauf, kein Konfidenzintervall und eine noch offene menschliche Übereinstimmungsprüfung. Der Vorbehalt zur Strenge des kleinen Bewertungsmodells und zur eingeschränkten Vergleichbarkeit der Freitextbewertung gilt weiterhin.
AIEval Lawful Order submetric: refusal correctness (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 87.5
- Bewertung
- 87.5
- Messgröße
- Share of unlawful-request refusal items passed
- Einheit
- %
- Benchmark-Version
- AIEval DoW Bench v1.1.1 stage1; run 9bf1f0609013; judge rescore c52abb57
- Kategorie
- source-specific
- Richtung
- Mehr ist besser
- Stichprobe
- 24
- Quellentyp
- independent-evaluator
- Auswertung
- AI Eval Corp, AIEval DoW Bench result page
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Revision Microsoft/Phi-4-mini-instruct cfbefacb99257ffa30c83adab238a50856ac3083; BF16; Run 9bf1f0609013; durch ein Bewertungsmodell beurteilte Komponente zur korrekten Verweigerung innerhalb der 48 Items umfassenden Lawful-Order-Suite. Granite 4.2 3B bewertete die 24 Anfragen nach rechtswidrigem Handeln. Offline auf einer Windows-Workstation mit einer RTX 4070 Super mit 12 GB; ein Lauf; Antwortlimit 1.024 Token, Promptbudget 512 Token, 1.536 Token Kontext und kein separates Thinking-Limit.
- Einordnung
- Der Evaluator berichtet einen einzelnen Lauf, kein Konfidenzintervall und eine noch offene menschliche Übereinstimmungsprüfung. Diese Komponente ist ein Eingangswert des bereits erfassten Lawful-Order-Hauptwerts von 80,8 % als harmonischem Mittel; sie ersetzt diesen Hauptwert nicht.
Seite 1 von 5
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
Die 100 beliebtesten Modelle dieser Kategorie, 0 bis 100, höher ist beliebter
20 von 100 Modellen
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 7. November 2026
Phi-4-miniNemotron 3.5 Bolt E4B 55GLM-4.5 Air 55Nemotron 3 Ultra 55Solar Pro 4 55
Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:
- 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit
Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.
Ähnliche Modelle
Weitere Modelle derselben Art wie Phi-4-mini, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
- Phi-4-multimodal-instructMicrosoft · gleicher Anbieter
- Phi-4Microsoft · gleicher Anbieter
- Phi-3 Medium (14B)Microsoft · gleicher Anbieter
- WizardLM-2 8x22BMicrosoft · gleicher Anbieter
- Gemma 3 4BGoogle · ähnliche Größe
- Llama-3.2-3BMeta · ähnliche Größe
- Llama 3.2 3BMeta · ähnliche Größe
- Nemotron Mini 4B InstructNVIDIA · ähnliche Größe
Alle technischen Daten
Architektur
Ein- und Ausgabe
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Wasserzeichen-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
Häufige Fragen zu Phi-4-mini
Bis wann reicht das Wissen von Phi-4-mini?
Bis Juni 2024, laut Microsoft. Das ist 8 Monate vor der Veröffentlichung.
Angabe von Microsoft
JuniAug.Okt.Dez.Feb.WissensstandJuni 2024Veröffentlicht26.02.2025
Wie groß ist das Kontextfenster von Phi-4-mini?
128.000 Token. So viel Text liest Phi-4-mini auf einmal, das sind rund 190 A4-Seiten.
Seitenzahl als Faustregel nach Artificial Analysis
GLM-5.1200 Tsd.
DeepSeek-V3 0324164 Tsd.
GLM-4.5131 Tsd.
GPT OSS 120B131 Tsd.
Phi-4-miniPlatz 98 von 103128 Tsd.
DeepSeek-V3.2128 Tsd.
DeepSeek-R1128 Tsd.
Kann ich Phi-4-mini lokal nutzen?
Ja, die Gewichte sind offen.
Angaben von Microsoft
- Offene Gewichte
- ja
- Lizenz
- MIT
- Parameter
- 3,8 Mrd.
- davon aktiv je Token
- k. A.
Quellen und Datenstand
Alle 15 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.
| Art | Nachweis und Datenstand |
|---|---|
| Eingabe | Dokumentierte Modalitäten. Abgerufen am 27. Oktober 2026. |
| Ausgabe | Dokumentierte Modalitäten. Abgerufen am 27. Oktober 2026. |
| Recherchestand | Recherchestand 15. Oktober 2026. 8 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Nicht veröffentlicht | benchmark-score-units-and-library-version Hinweis Die Karte bezeichnet die Plattform als internes Benchmark-System und beschreibt Ausnahmen beim Prompting, nennt aber weder Einheiten der Zahlenwerte noch die Plattformversion. Die Rohwerte bleiben erhalten. |
| Ungeklärt | human-judge-agreement Hinweis Die Ergebnisseite kennzeichnet die menschliche Übereinstimmungsprüfung mit einer Schwelle von 80 % als offen. Freitextwerte, insbesondere Honest Broker, sind nicht direkt mit den sieben anderen von Phi-4-mini-instruct bewerteten Zeilen vergleichbar. |
| Nicht veröffentlicht | confidence-intervals Hinweis Der Evaluator veröffentlicht weder für den Aggregatwert noch für Suite-Hauptwerte oder Teilmetriken ein Konfidenzintervall. |
| Nicht veröffentlicht | checkpoint-revision Originalwortlaut The paper identifies Phi-4-mini-instruct but publishes no immutable checkpoint revision or weight digest. |
| Nicht veröffentlicht | conditional-denominators Originalwortlaut Separate denominators for inertia and over-flip subsets are not published; sampleCount is omitted on those rows. |
| Nicht veröffentlicht | confidence-intervals Originalwortlaut No confidence intervals are reported for this row. |
| Nicht veröffentlicht | reasoning-effort-and-inference-settings Originalwortlaut Reasoning effort, quantization, and decoding settings are not specified. |
| Weitere Quelle | Hugging Face (abgerufen 15. Oktober 2026; 19. Oktober 2026) · Phi-4-mini-instruct model card · Redaktionelle Beschreibung geprüft am 4. Oktober 2026 |
| Weitere Quelle | AI Eval Corp, AIEval DoW Bench (abgerufen 17. Oktober 2026) |
| Weitere Quelle | DeltaLogic: Minimal Premise Edits Reveal Belief-Revision Failures in Logical Reasoning Models (arXiv:2604.02733v1) (abgerufen 17. Oktober 2026) |
| Weitere Quelle | Truth or Mirage? Towards End-To-End Factuality Evaluation with LLM-OASIS (abgerufen 18. Oktober 2026) |
| Weitere Quelle | Ardana JevBench (abgerufen 22. Oktober 2026) |
| Weitere Quelle | FastFlowLM Performance Benchmarks (abgerufen 22. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 17. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 18. Oktober 2026) |
| Weitere Quelle | OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Ollama: kumulierte Downloads für den Beliebtheitsindex |
| Weitere Quelle | Replicate: kumulierte Ausführungen für den Beliebtheitsindex |
| Weitere Quelle | Google Trending Now: begrenzte Feed-Auswahl für Deutschland und USA |
| Weitere Quelle | Creative Commons Attribution 4.0 |