Phi-4

Führe Microsofts kleines Sprachmodell Phi-4 auf Clore.ai-GPUs aus

Starte Microsofts Phi-4 – ein kleines, aber leistungsstarkes Sprachmodell.

Alle Beispiele können auf GPU-Servern ausgeführt werden, die gemietet wurden über CLORE.AI-Marktplatz.

Mieten auf CLORE.AI

1. Besuchen CLORE.AI-Marktplatz

2. Filtern nach GPU-Typ, VRAM und Preis

3. Wähle On-Demand (Festpreis) oder Spot (Gebotspreis)

4. Konfiguriere deine Bestellung:

   • Docker-Image auswählen

   • Ports festlegen (TCP für SSH, HTTP für Web-UIs)

   • Bei Bedarf Umgebungsvariablen hinzufügen

   • Startbefehl eingeben

5. Zahlung auswählen: CLORE, BTC, oder USDT/USDC

6. Bestellung erstellen und auf die Bereitstellung warten

Greife auf deinen Server zu

• Verbindungsdetails finden in Meine Bestellungen

• Web-Oberflächen: Verwende die HTTP-Port-URL

• SSH: ssh -p <port> root@<proxy-address>

Was ist Phi-4?

Phi-4 von Microsoft bietet:

• 14B Parameter mit hervorragender Leistung

• Übertrifft größere Modelle in Benchmarks

• Starkes Schlussfolgern und Mathematik

• Effiziente Inferenz

Modellvarianten

Modell	Parameter	VRAM	Spezialgebiet
Phi-4	14B	16 GB	Allgemein
Phi-3.5-mini	3.8B	4 GB	Leichtgewichtig
Phi-3.5-MoE	42B (6.6B aktiv)	16 GB	Expertenmischung
Phi-3.5-vision	4.2B	6 GB	Vision

Schnell bereitstellen

Docker-Image:

pytorch/pytorch:2.11.0-cuda12.8-cudnn9-runtime

Ports:

22/tcp
8000/http

Befehl:

pip install transformers accelerate torch && \
python phi4_server.py

Auf deinen Dienst zugreifen

Nach der Bereitstellung findest du deine http_pub URL in Meine Bestellungen:

1. Gehe zu Meine Bestellungen Seite

2. Klicke auf deine Bestellung

3. Finde die http_pub URL (z. B. abc123.clorecloud.net)

Verwende https://YOUR_HTTP_PUB_URL anstelle von localhost in den folgenden Beispielen.

Verwendung von Ollama

# Phi-4 ausführen
ollama run phi4

# Phi-3.5 mini (schneller)
ollama run phi3.5

# Phi-3.5 Vision
ollama run phi3.5-vision

Installation

pip install transformers accelerate torch

Grundlegende Verwendung

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_id = "microsoft/Phi-4"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True
)

messages = [
    {"role": "system", "content": "Du bist ein hilfreicher KI-Assistent."},
    {"role": "user", "content": "Erkläre den Unterschied zwischen TCP und UDP."}
]

inputs = tokenizer.apply_chat_template(
    messages,
    return_tensors="pt",
    add_generation_prompt=True
).to("cuda")

outputs = model.generate(
    inputs,
    max_new_tokens=512,
    temperature=0.7,
    do_sample=True
)

response = tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True)
print(response)

Phi-3.5-Vision

Für das Bildverständnis:

from transformers import AutoModelForCausalLM, AutoProcessor
from PIL import Image
import torch

model_id = "microsoft/Phi-3.5-vision-instruct"

processor = AutoProcessor.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True
)

image = Image.open("diagram.png")

messages = [
    {"role": "user", "content": "<|image_1|>\nBeschreibe dieses Diagramm im Detail."}
]

prompt = processor.tokenizer.apply_chat_template(
    messages, tokenize=False, add_generation_prompt=True
)

inputs = processor(prompt, [image], return_tensors="pt").to("cuda")

outputs = model.generate(
    **inputs,
    max_new_tokens=512,
    temperature=0.7
)

response = processor.decode(outputs[0], skip_special_tokens=True)
print(response)

Mathematik und logisches Denken

messages = [
    {"role": "user", "content": """
Schritt für Schritt lösen:
Ein Bauer hat Hühner und Kaninchen.
Gesamtzahl der Köpfe: 35
Gesamtzahl der Beine: 94
Wie viele von jeder Tierart?
"""}
]

# Phi-4 überzeugt beim schrittweisen logischen Denken

Codegenerierung

messages = [
    {"role": "user", "content": """
Schreibe eine Python-Implementierung eines binären Suchbaums mit:
- Einfügen
- Suchen
- Löschen
- In-Order-Durchlauf
Füge Typ-Hinweise und Docstrings hinzu.
"""}
]

Quantisierte Inferenz

from transformers import AutoModelForCausalLM, BitsAndBytesConfig
import torch

quantization_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_compute_dtype=torch.bfloat16
)

model = AutoModelForCausalLM.from_pretrained(
    "microsoft/Phi-4",
    quantization_config=quantization_config,
    device_map="auto",
    trust_remote_code=True
)

Gradio-Oberfläche

import gradio as gr
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_id = "microsoft/Phi-4"
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id, torch_dtype=torch.bfloat16, device_map="auto", trust_remote_code=True
)

def chat(message, history, system_prompt, temperature):
    messages = [{"role": "system", "content": system_prompt}]
    for h in history:
        messages.append({"role": "user", "content": h[0]})
        messages.append({"role": "assistant", "content": h[1]})
    messages.append({"role": "user", "content": message})

    inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to("cuda")
    outputs = model.generate(inputs, max_new_tokens=512, temperature=temperature, do_sample=True)

    return tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True)

demo = gr.ChatInterface(
    fn=chat,
    additional_inputs=[
        gr.Textbox(value="Du bist ein hilfreicher Assistent.", label="System"),
        gr.Slider(0.1, 1.5, value=0.7, label="Temperatur")
    ],
    title="Phi-4-Chat"
)

demo.launch(server_name="0.0.0.0", server_port=7860)

Leistung

Modell	GPU	Tokens/Sek.
Phi-3.5-mini	RTX 3060	~100
Phi-3.5-mini	RTX 4090	~150
Phi-4	RTX 4090	~60
Phi-4	A100	~90
Phi-4 (4-Bit)	RTX 3090	~40

Benchmarks

Modell	MMLU	HumanEval	GSM8K
Phi-4	84.8%	82.6%	94.6%
GPT-4-Turbo	86.4%	85.4%	94.2%
Llama-3.1-70B	83.6%	80.5%	92.1%

Phi-4 erreicht das Niveau deutlich größerer Modelle oder übertrifft sie

Fehlerbehebung

"trust_remote_code"-Fehler

• Fügen Sie trust_remote_code=True auf from_pretrained()

• Dies ist für Phi-Modelle erforderlich

Wiederholte Ausgaben

• Niedrigere Temperatur (0,3–0,6)

• Füge repetition_penalty=1.1 hinzu

• Verwende die richtige Chat-Vorlage

Speicherprobleme

• Phi-4 ist effizient, benötigt aber für 14B trotzdem etwa 8 GB

• Nutze bei Bedarf 4-Bit-Quantisierung

• Reduziere die Kontextlänge

Falsches Ausgabeformat

• Verwende apply_chat_template() für die richtige Formatierung

• Prüfe, ob du die Instruct-Version und nicht die Basisversion verwendest

Kostenschätzung

Übliche CLORE.AI-Marktplatzpreise (Stand 2024):

GPU	Stundensatz	Tagessatz	4-Stunden-Sitzung
RTX 3060	~$0.03	~$0.70	~$0.12
RTX 3090	~$0.06	~$1.50	~$0.25
RTX 4090	~$0.10	~$2.30	~$0.40
A100 40GB	~$0.17	~$4.00	~$0.70
A100 80GB	~$0.25	~$6.00	~$1.00

Die Preise variieren je nach Anbieter und Nachfrage. Prüfen Sie CLORE.AI-Marktplatz für aktuelle Preise.

Geld sparen:

• Nutzen Sie den Spot Markt für unterbrechbare Arbeit — etwa ein Drittel der Server bietet Spot-Preise unter dem On-Demand-Preis (Median ca. 13 % Rabatt), der Rest ist gleichauf

• Bezahlen Sie mit CLORE Tokens

• Vergleichen Sie Preise zwischen verschiedenen Anbietern

Anwendungsfälle

• Mathe-Nachhilfe

• Code-Unterstützung

• Dokumentenanalyse (Vision)

• Effiziente Edge-Bereitstellung

• Kosteneffiziente Inferenz

Nächste Schritte

• Qwen2.5 - alternatives Modell

• Gemma 2 - Googles Modell

• Llama 3.2 - Metas Modell