Phi-4

Запустите небольшую языковую модель Phi-4 от Microsoft на GPU Clore.ai

Запустите Phi-4 от Microsoft — небольшую, но мощную языковую модель.

Все примеры можно запускать на GPU-серверах, арендованных через маркетплейс CLORE.AI.

Аренда на CLORE.AI

1. Перейдите на маркетплейс CLORE.AI

2. Отфильтруйте по типу GPU, объёму VRAM и цене

3. Выберите On-Demand (фиксированная ставка) или Spot (цена ставки)

4. Настройте свой заказ:

   • Выберите Docker-образ

   • Установите порты (TCP для SSH, HTTP для веб-интерфейсов)

   • При необходимости добавьте переменные окружения

   • Введите команду запуска

5. Выберите способ оплаты: CLORE, BTC, или USDT/USDC

6. Создайте заказ и дождитесь развертывания

Получите доступ к своему серверу

• Найдите данные для подключения в Мои заказы

• Веб-интерфейсы: используйте URL HTTP-порта

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

Что такое Phi-4?

Phi-4 от Microsoft предлагает:

• 14B параметров с отличной производительностью

• Превосходит более крупные модели в бенчмарках

• Сильные рассуждения и математика

• Эффективный вывод

Варианты модели

Модель	Параметры	VRAM	Специализация
Phi-4	14B	16GB	Общее
Phi-3.5-mini	3.8B	4 ГБ	Лёгкая
Phi-3.5-MoE	42B (6.6B активных)	16GB	Смесь экспертов
Phi-3.5-vision	4.2B	6 ГБ	Зрение

Быстрое развёртывание

Docker-образ:

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

Порты:

22/tcp
8000/http

Команда:

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

Доступ к вашему сервису

После развертывания найдите свой http_pub URL в Мои заказы:

1. Перейдите на Мои заказы страницу

2. Нажмите на свой заказ

3. Найдите http_pub URL (например, abc123.clorecloud.net)

Используйте https://YOUR_HTTP_PUB_URL вместо localhost в примерах ниже.

Использование Ollama

# Запустить Phi-4
ollama run phi4

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

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

Установка

pip install transformers accelerate torch

Базовое использование

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": "Вы — полезный AI-ассистент."},
    {"role": "user", "content": "Объясните разницу между TCP и 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

Для понимания изображений:

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|>\nПодробно опишите эту диаграмму."}
]

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)

Математика и рассуждения

messages = [
    {"role": "user", "content": """
Решите пошагово:
У фермера есть куры и кролики.
Всего голов: 35
Всего ног: 94
Сколько каждого животного?
"""}
]

# Phi-4 отлично справляется с пошаговым рассуждением

Генерация кода

messages = [
    {"role": "user", "content": """
Напишите реализацию двоичного дерева поиска на Python с:
- Вставка
- Поиск
- Удаление
- Обход в симметричном порядке
Включите аннотации типов и строки документации.
"""}
]

Квантованный вывод

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
)

Интерфейс Gradio

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="Вы — полезный ассистент.", label="Система"),
        gr.Slider(0.1, 1.5, value=0.7, label="Температура")
    ],
    title="Phi-4 Chat"
)

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

Производительность

Модель	GPU	Токенов/сек
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-бит)	RTX 3090	~40

Бенчмарки

Модель	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 соответствует или превосходит гораздо более крупные модели

Устранение неполадок

ошибка "trust_remote_code"

• Добавьте trust_remote_code=True до from_pretrained()

• Это требуется для моделей Phi

Повторяющиеся ответы

• Меньшая температура (0.3-0.6)

• Добавьте repetition_penalty=1.1

• Используйте правильный шаблон чата

Проблемы с памятью

• Phi-4 эффективна, но всё равно требует ~8 ГБ для 14B

• При необходимости используйте 4-битную квантизацию

• Уменьшите длину контекста

Неверный формат вывода

• Используйте apply_chat_template() для правильного форматирования

• Проверьте, что вы используете instruct-версию, а не базовую

Оценка стоимости

Типичные цены на маркетплейсе CLORE.AI (по состоянию на 2024 год):

GPU	Почасовая ставка	Дневная ставка	4-часовая сессия
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 40 ГБ	~$0.17	~$4.00	~$0.70
A100 80 ГБ	~$0.25	~$6.00	~$1.00

Цены зависят от провайдера и спроса. Проверьте маркетплейс CLORE.AI актуальные тарифы.

Сэкономьте деньги:

• Используйте Spot рынок для прерываемых задач — примерно треть серверов оценивает spot-цены ниже on-demand (медиана ~13% скидки), остальные совпадают с ними

• Платите CLORE токенами

• Сравните цены у разных провайдеров

Сценарии использования

• Обучение математике

• Помощь с кодом

• Анализ документов (зрение)

• Эффективное развёртывание на периферийных устройствах

• Экономичный вывод

Дальнейшие шаги

• Qwen2.5 — альтернативная модель

• Gemma 2 — модель Google

• Llama 3.2 — модель Meta