Phi 系：微软开源小模型，数学代码小钢炮

Phi 系模型档案：微软的开源权重线，Phi-4 是 2026 年 11 月的主力——14B 参数、MIT 许可证、数学与代码在同级里最强；3.8B 的 Phi-4-mini 有 128K 上下文，Ollama 一行就能跑，一页讲清擅长什么、多少钱、在哪用。

家族成员（2026 年 11 月）

模型	定位	一句话
Phi-4	旗舰档	14B 参数，16K 上下文，微软称其数学与推理在同级模型里最强，Ollama 一行就能跑
Phi-4-reasoning	推理档	14B，32K 上下文，强化学习训出来的推理版，数学与代码题先想清楚再答
Phi-4-mini	轻量长文档	3.8B 参数，128K 上下文，塞整篇论文或长文档一次读完，低配电脑也能跑
Phi-4-multimodal	多模态档	5.6B 参数，文字、图片、语音三合一，看图与语音任务不用另装模型
Phi-3 系列	上一代	mini 3.8B / small 7B / medium 14B，2024 年的老将，旧教程里常见

档位与命名以微软官方与 Hugging Face 为准，Phi 更新不算频繁，下载与接入前再核对一次。

数学与代码：Phi 从立项就是冲着「小参数、高质量数据」去的：14B 的 Phi-4 靠合成数据与精筛语料训出来，微软官方口径称其在数学（MATH）与代码基准上超过 GPT-4o-mini 等同级模型。解数学题、写代码、做推理题是 Phi 的主场，小钢炮这个外号就是这么来的。
MIT 许可证最宽松：Phi-4 起用 MIT 许可证，商用、改权重、嵌进自己的产品都行，是各家开源权重线里限制最少的；对比 Gemma 的自家使用条款、Llama 的社区许可证，Phi 拿来做产品最省事。
小机器也能跑：14B 一档 4-bit 量化后 8~9GB 显存就能跑，3.8B 的 mini 档普通笔记本 CPU 也能凑合，是本地部署里对硬件最友好的聪明模型之一。
长上下文 mini 档：Phi-4-mini 只有 3.8B 参数，却有 128K 上下文，比 14B 的 Phi-4（16K）能装得多；读长文档、做摘要这类任务，小模型反而更合适。
多模态一档搞定：Phi-4-multimodal 文字、图片、语音三合一，看图聊天与语音输入不用另装模型，端侧设备上一个模型顶三个用。

Ollama 本地跑（推荐）：ollama run phi4（旗舰档）、ollama run phi4-mini（轻量长文档）、ollama run phi4-reasoning（推理档），第一次自动下载权重，下完就能聊天；想换好看的聊天界面，接 Cherry Studio 或 Chatbox，见本地部署。
LM Studio：图形界面搜 Phi 点鼠标下载，适合不想碰命令行的人。
Hugging Face 权重：microsoft 主页下的权重可下载，vLLM / SGLang / Transformers 都能接；想自己搭服务或微调，从这里拿权重。
Azure AI Foundry：微软自家云上直接调用 Phi 各档位，也有 API 可接；企业与开发者走这一路，价格以官网实时页为准。
端侧与手机：mini 档 3.8B 是端侧 AI 的常见选择，开发自己的手机 App 或端侧功能可以直接嵌 Phi-4-mini 权重。

权重免费：Phi 权重免费下载，许可证是 MIT，本地跑只花电费与硬件钱；商用之前条款本身没什么要特别注意的，这是它相对 Gemma 与 Llama 最大的优势。
Azure AI Foundry：云端调用按量计费，价格以微软官网实时页为准；个人用户一般用 Ollama 本地跑就够了。
本地跑：14B 一档 4-bit 量化约 8~9GB 显存起，mini 档 3.8B 普通笔记本就能跑；显存不够就先降档，别硬上大模型。

中文相对弱：Phi 的训练数据以英文为主，中文日常对话没问题，但中文长文、中文专业写作别指望它比 Qwen 系与 DeepSeek 系强；中文是主力场景的话，先看这两家。
Phi-4 上下文偏短：旗舰档只有 16K 上下文，读长文档、贴大段代码之前先看一眼长度，超了就换 Phi-4-mini（128K）或 Kimi 系。
没有官方聊天 App：Phi 没有像 ChatGPT、豆包那样的官方聊天入口，手机上想直接用，得走 Ollama / LM Studio 本地跑，或接 Azure API 的第三方客户端。