Microsoft Research は、4 年 30 月 2025 日に Phi-4 Reasoning を発表し、姉妹モデルとして Phi-3.8-Mini-Reasoning（約 4 億のパラメータ）と Phi-14-Reasoning-Plus（強化学習チューニングによる 3 億のパラメータ）も発表しました。汎用 LLM とは異なり、これらのモデルは推論に特化しており、各ソリューション ステップの検証と改良のために追加の推論コンピューティングを割り当てます。トレーニングでは、高品質の Web データ、合成問題セット、OpenAI の oXNUMX-mini から厳選された「思考の連鎖」デモを活用し、数学、科学、コーディングなど、幅広い分野で優れたモデルを実現しました。
Phi-4推論とは何ですか?
Phi-4推論はどのように訓練されましたか?
Phi-4 Reasoningは、厳選された「学習可能な」プロンプトと詳細な推論トレースのデータセットを用いて、ベースとなるPhi-4モデルの教師あり微調整から生まれました。研究者たちは、o3-miniに複雑な問題を解かせることでこれらのトレースを多数生成し、多様性と教育的な明瞭性を考慮してフィルタリングしました。このプロセスにより、モデルは単なる解答だけでなく、構造化された問題解決アプローチも学習することができました。その後の派生モデルであるPhi-4-Reasoning-Plusは、結果に基づく強化学習の段階を経て、より長く徹底的な推論チェーンを促し、精度をさらに向上させました。
Phi-4推論を定義する機能は何ですか?
汎用性トレーニングは、数学オリンピックの問題、博士レベルの科学の質問、コーディング チャレンジ、アルゴリズム パズル (3SAT、TSP、BA-Calendar)、空間推論に及び、多様な領域にわたって堅牢な一般化を実証します。
詳細な思考連鎖の生成: それぞれの中間結論を検証するために追加の推論ステップを割り当てることにより、Phi-4 Reasoning は不透明な単発の答えではなく、透明で段階的な解決策を構築します。
ベンチマークを上回るパフォーマンス: サイズは控えめですが、DeepSeek-R1-Distill-Llama-70B などのはるかに大規模なオープンウェイト モデルよりもパフォーマンスが優れており、アルゴリズムによる推論や計画のタスクでは完全な DeepSeek-R1 (671 B パラメーター) のパフォーマンスに近づきます。
Phi-4 Reasoningは以前のモデルとどう違うのでしょうか?
汎用型のPhi-4と比べてどのような点が改善されているのでしょうか?
汎用的なPhi-4は、補完、要約、翻訳といった幅広いLLMタスク向けに設計されています。一方、Phi-4 Reasoningは、思考連鎖データを用いた教師ありファインチューニングによって、段階的な推論に特化して磨きをかけています。この特化により、複数ステップのタスクにおいて優れた精度を実現しながらも、元のモデルの多くの機能を維持しています。さらに、RL強化版の「Plus」バージョンでは、推論速度を犠牲にして、最高の精度が求められる場面でより深い推論を実現します。
競合他社の推論モデルと比較するとどうでしょうか?
DeepSeek R1 モデルDeepSeek の 671 B パラメータ R1 モデルから抽出されたタスクでは、Phi-4 Reasoning-Plus は同等のパフォーマンスに近づき、慎重なデータキュレーションとトレーニングによって小規模 LLM と大規模 LLM 間のギャップを縮めることができることを示しています。
OpenAI o3-mini について: Phi‑4 推論は、o3‑mini の推論専用のパラメータ数の方が大きいにもかかわらず、OmniMath (構造化数学テスト) などのベンチマークで o3‑mini に匹敵または上回ります。
最新のバリアントと拡張機能は何ですか?
Phi-4-Reasoning-Plus: 強化学習による強化推論
Phi-4-Reasoning-Plusは、Phi-4-Reasoningの基本アーキテクチャをベースに、結果に基づく強化学習（RL）フェーズを導入することで、推論チェーンの品質をさらに最適化します。このバリアントでは、開発者は、証明の正しさや解の完全性といったタスク固有の成功指標から得られる検証可能な報酬信号を用いた短いRLトレーニングラウンドを組み込み、より詳細で正確な中間ステップの生成を促します。
その結果、Phi-4-Reasoning-Plusは、標準的な推論ベンチマークにおいて、教師あり学習のみのモデルと比較して2～4%のパフォーマンス向上を示し、特にマルチホップ推論や長連鎖推論を必要とするタスクにおいて顕著です。さらに、この強化学習に基づく改良により、モデルは曖昧な推論パスを自己修正できるようになり、制御されたテストにおいて幻覚率を最大15%削減します。最大64,000トークンのコンテキストウィンドウをデフォルトでサポートするPhi-4-Reasoning-Plusは、一貫性を損なうことなく、拡張された問題記述をシームレスに統合できます。その強化された機能により、医療診断や法的議論モデリングといったハイステークス領域に最適です。
Phi‑4‑Mini‑Reasoning: 組み込みアプリケーション向けコンパクト推論エンジン
Phi-4-Mini-Reasoningは、フルスケールモデルを補完する、約3.8億のパラメータを備えた合理化された推論ソリューションを提供します。教育およびデバイス上のAIアプリケーション向けにカスタマイズされたこの軽量版は、DeepSeekのR1推論システムによって生成された約XNUMX万の異なるインスタンスからなる合成数学問題の特殊なコーパスでトレーニングされ、コンパクトで高品質な思考連鎖トレースを用いた教師ありファインチューニングによってさらに改良されています。
Phi-4-Mini-Reasoningは、パラメータ数が少ないにもかかわらず、数学ベンチマークにおいて競争力のある精度を達成し、Math-1においてDeepSeek-R7-Distill-Qwen-3Bなどの他の小型モデルを500ポイント以上上回ります。標準的なコンシューマーハードウェアで毎秒10トークンで動作し、128,000トークンのコンテキスト長をサポートできるため、リソースが限られた環境における組み込み学習システムやコーディングアシスタントに最適です。
Phi‑4推論はどこに適用できますか?
教育ツールをどのように強化できるでしょうか?
DeepSeekのR4モデルから得られた約1万の合成数学問題で学習したPhi-1-Mini-Reasoningは、軽量デバイスでの「組み込み型個別指導」に最適化されています。生徒を段階的に解き方を指導し、ヒントを提供し、各ステップをリアルタイムで検証することで、教育アプリやスマート教室ツールを変革します（、）。
どのような業界のユースケースが目立ちますか?
- 医療エッジ対応の医療機器では、Phi-4 Reasoning は診断データを分析し、複雑な臨床ガイドラインを説明し、透明な推論トレースで治療計画を提案することができます。
- 科学研究研究者は、モデルの思考連鎖出力を活用して、化学、物理学、生物学における仮説検定のワークフローを文書化できます。
- ソフトウェア開発コーディングアシスタントでは、Phi‑4 Reasoningはアルゴリズムの課題を分解し、説明コメント付きのコードスニペットを提案し、論理的推論を通じて正確性を検証することができます（、）。
開発者はどこからアクセスしてデプロイできますか?
Phi-4推論モデルは、Azure AI Foundry、Hugging Face、GitHub Marketplaceで、オープンウェイトMITライセンスの下で利用可能です。UnsLoTH AIの「Phi-4推論ハウツー」などのドキュメントとガイドでは、ローカル展開、量子化ワークフロー、ドメイン固有のタスクのための微調整レシピが詳細に説明されています。
どのような課題や未解決の疑問が残っていますか?
推論の堅牢性の評価
ベンチマーク性能はPhi-4-Reasoningの強みを示すものですが、敵対的または分布外条件下における堅牢性を評価することが不可欠です。前提の混乱、矛盾する公理、または曖昧な変数名を含むストレステストプロトコルを用いた予備研究では、モデルが欺瞞的または不完全な情報に直面した場合、エラー率が20%を超える急上昇を示すことが明らかになりました。これらの知見は、循環論法や概念のドリフトなどの障害モードを捕捉する、よりきめ細かな評価フレームワークと、信頼度スコアと出所チェーンを明らかにする診断ツールの必要性を浮き彫りにしています。標準化されたドメイン非依存の堅牢性ベンチマークを確立することは、法律コンサルティングや医療意思決定支援などの分野における安全性が極めて重要なアプリケーションへのモデルの対応を証明するために不可欠です。
アライメントと安全性の懸念への対処
高度な推論モデルが機密性の高い領域全体の意思決定プロセスに組み込まれるようになるにつれ、整合と安全性は依然として最優先事項となります。厳格な教師ありの微調整と強化学習の報酬形成にもかかわらず、Phi-4-Reasoningは妥当ではあるものの誤った出力（いわゆる「幻覚」）を生成する能力があり、リスクの高い状況ではリスクをもたらします。社会的に偏った推論や倫理ガイドラインに反する推奨の例は、多層的な保護手段の必要性を強調しています。業界のベストプラクティスでは、意図しない動作を阻止するために、オンザフライのコンテンツフィルター、レッドチーム演習、人間参加型の監視を統合することを推奨しています。ゴールドスタンダードのデータセットに対して較正された真実性スコアなどの定量的な整合指標と、ユーザーフレンドリーな修正インターフェースの開発は、Phi-4-Reasoningモデルが社会規範に適合し、重要なワークフローに浸透する際に透明性を維持するために不可欠です。
結論
Phi-4推論は、AIにおける画期的な転換点を象徴しています。それは、規模の大きさから知能の特化への転換です。最先端の推論機能を小型でオープンなパッケージで提供することで、透明性、効率性、そして幅広いアクセス性を備えたAI推論への道を開き、クラウドでもエッジでも、教育、研究、そして最も困難な問題の解決方法を変革します。
今のところ、Phi-4推論の使用に興味のある方は、アップデートをお待ちください。今後もアップデートを続けていきます。 コメットAPI および CometAPI APIの変更履歴.