Preferenze complessive sul testo da confronti diretti. Non misura accuratezza fattuale o riuscita dei compiti.
12001240
phi-4
Phi-4 · Intervallo 95% 1212,1–1221,2 · 24,126 voti · 2026-10-28
Risultati registrati
Ogni riga usa lo stesso benchmark, versione, carico, scenario e unità. I risultati mancanti non valgono zero. I risultati di sistema includono tutta la configurazione hardware e software.
Arena text preference / chinesehuman preference · 2026-10-28 · rating
phi-4
1.211,40 rating
Intervallo di confidenza: 1.195,86 – 1.226,93
1503 voti
Categoria
chinese
Configurazione valutata
Phi-4
Tipo di valutazione
human preference
Arena text preference / codinghuman preference · 2026-10-28 · rating
phi-4
1.231,03 rating
Intervallo di confidenza: 1.221,19 – 1.240,87
3305 voti
Categoria
coding
Configurazione valutata
Phi-4
Tipo di valutazione
human preference
Arena text preference / creative_writinghuman preference · 2026-10-28 · rating
phi-4
1.181,29 rating
Intervallo di confidenza: 1.171,64 – 1.190,94
4062 voti
Categoria
creative_writing
Configurazione valutata
Phi-4
Tipo di valutazione
human preference
Arena text preference / englishhuman preference · 2026-10-28 · rating
phi-4
1.230,96 rating
Intervallo di confidenza: 1.225,20 – 1.236,72
14101 voti
Categoria
english
Configurazione valutata
Phi-4
Tipo di valutazione
human preference
Arena text preference / exclude_tieshuman preference · 2026-10-28 · rating
phi-4
1.100,08 rating
Intervallo di confidenza: 1.092,39 – 1.107,76
15789 voti
Categoria
exclude_ties
Configurazione valutata
Phi-4
Tipo di valutazione
human preference
Arena text preference / experthuman preference · 2026-10-28 · rating
phi-4
1.202,60 rating
Intervallo di confidenza: 1.185,38 – 1.219,82
1124 voti
Categoria
expert
Configurazione valutata
Phi-4
Tipo di valutazione
human preference
Arena text preference / frenchhuman preference · 2026-10-28 · rating
phi-4
1.224,51 rating
Intervallo di confidenza: 1.184,88 – 1.264,15
205 voti
Categoria
french
Configurazione valutata
Phi-4
Tipo di valutazione
human preference
Arena text preference / germanhuman preference · 2026-10-28 · rating
phi-4
1.222,38 rating
Intervallo di confidenza: 1.196,99 – 1.247,78
523 voti
Categoria
german
Configurazione valutata
Phi-4
Tipo di valutazione
human preference
Arena text preference / hard_promptshuman preference · 2026-10-28 · rating
phi-4
1.219,45 rating
Intervallo di confidenza: 1.211,69 – 1.227,21
5747 voti
Categoria
hard_prompts
Configurazione valutata
Phi-4
Tipo di valutazione
human preference
Arena text preference / hard_prompts_englishhuman preference · 2026-10-28 · rating
phi-4
1.229,85 rating
Intervallo di confidenza: 1.220,46 – 1.239,23
3804 voti
Categoria
hard_prompts_english
Configurazione valutata
Phi-4
Tipo di valutazione
human preference
Arena text preference / industry_business_and_management_and_financial_operationshuman preference · 2026-10-28 · rating
Arena text preference / industry_entertainment_and_sports_and_mediahuman preference · 2026-10-15 · rating
phi-4
1.161,93 rating
Intervallo di confidenza: 1.152,93 – 1.170,93
4486 voti
Categoria
industry_entertainment_and_sports_and_media
Configurazione valutata
phi-4
Tipo di valutazione
human preference
Arena text preference / industry_legal_and_governmenthuman preference · 2026-10-15 · rating
phi-4
1.240,81 rating
Intervallo di confidenza: 1.224,24 – 1.257,38
1341 voti
Categoria
industry_legal_and_government
Configurazione valutata
phi-4
Tipo di valutazione
human preference
Arena text preference / industry_life_and_physical_and_social_sciencehuman preference · 2026-10-15 · rating
phi-4
1.206,46 rating
Intervallo di confidenza: 1.196,82 – 1.216,10
4245 voti
Categoria
industry_life_and_physical_and_social_science
Configurazione valutata
phi-4
Tipo di valutazione
human preference
Arena text preference / industry_mathematicalhuman preference · 2026-10-15 · rating
phi-4
1.253,94 rating
Intervallo di confidenza: 1.242,31 – 1.265,56
2350 voti
Categoria
industry_mathematical
Configurazione valutata
phi-4
Tipo di valutazione
human preference
Arena text preference / industry_medicine_and_healthcarehuman preference · 2026-10-15 · rating
phi-4
1.201,65 rating
Intervallo di confidenza: 1.182,19 – 1.221,10
1037 voti
Categoria
industry_medicine_and_healthcare
Configurazione valutata
phi-4
Tipo di valutazione
human preference
Arena text preference / industry_software_and_it_serviceshuman preference · 2026-10-15 · rating
phi-4
1.227,79 rating
Intervallo di confidenza: 1.219,74 – 1.235,84
5580 voti
Categoria
industry_software_and_it_services
Configurazione valutata
phi-4
Tipo di valutazione
human preference
Arena text preference / industry_writing_and_literature_and_languagehuman preference · 2026-10-15 · rating
phi-4
1.197,87 rating
Intervallo di confidenza: 1.190,14 – 1.205,60
6470 voti
Categoria
industry_writing_and_literature_and_language
Configurazione valutata
phi-4
Tipo di valutazione
human preference
Arena text preference / instruction_followinghuman preference · 2026-10-15 · rating
phi-4
1.201,08 rating
Intervallo di confidenza: 1.194,47 – 1.207,70
9162 voti
Categoria
instruction_following
Configurazione valutata
phi-4
Tipo di valutazione
human preference
Arena text preference / japanesehuman preference · 2026-10-15 · rating
phi-4
1.158,26 rating
Intervallo di confidenza: 1.131,67 – 1.184,85
500 voti
Categoria
japanese
Configurazione valutata
phi-4
Tipo di valutazione
human preference
Arena text preference / koreanhuman preference · 2026-10-15 · rating
phi-4
1.150,93 rating
Intervallo di confidenza: 1.117,85 – 1.184,01
319 voti
Categoria
korean
Configurazione valutata
phi-4
Tipo di valutazione
human preference
Arena text preference / longer_queryhuman preference · 2026-10-15 · rating
phi-4
1.217,04 rating
Intervallo di confidenza: 1.206,29 – 1.227,80
2896 voti
Categoria
longer_query
Configurazione valutata
phi-4
Tipo di valutazione
human preference
Arena text preference / mathhuman preference · 2026-10-15 · rating
phi-4
1.245,76 rating
Intervallo di confidenza: 1.235,26 – 1.256,25
2764 voti
Categoria
math
Configurazione valutata
phi-4
Tipo di valutazione
human preference
Arena text preference / multi_turnhuman preference · 2026-10-15 · rating
phi-4
1.205,89 rating
Intervallo di confidenza: 1.195,67 – 1.216,11
3517 voti
Categoria
multi_turn
Configurazione valutata
phi-4
Tipo di valutazione
human preference
Arena text preference / non_englishhuman preference · 2026-10-15 · rating
phi-4
1.196,71 rating
Intervallo di confidenza: 1.190,32 – 1.203,10
10025 voti
Categoria
non_english
Configurazione valutata
phi-4
Tipo di valutazione
human preference
Arena text preference / overallhuman preference · 2026-10-15 · rating
phi-4
1.216,66 rating
Intervallo di confidenza: 1.212,07 – 1.221,24
24126 voti
Categoria
overall
Configurazione valutata
phi-4
Tipo di valutazione
human preference
Arena text preference / russianhuman preference · 2026-10-15 · rating
phi-4
1.208,64 rating
Intervallo di confidenza: 1.197,39 – 1.219,88
2576 voti
Categoria
russian
Configurazione valutata
phi-4
Tipo di valutazione
human preference
Arena text preference / spanishhuman preference · 2026-10-15 · rating
phi-4
1.234,19 rating
Intervallo di confidenza: 1.182,82 – 1.285,57
127 voti
Categoria
spanish
Configurazione valutata
phi-4
Tipo di valutazione
human preference
Esecuzione locale
Inferenza · stima della memoria
phi-4
14,66 B parametri totali · phi3 · BF16
Payload dei tensori del checkpoint pubblicato: 27,3 GiB. Include copie archiviate e buffer; è distinto dalle stime di memoria runtime riportate di seguito.
Memoria acceleratore stimata
Pesi
7,5 GiB
KV cache
0,8 GiB
Margine runtime
1,0 GiB
Un utente, modello interamente nella memoria dell’acceleratore.
Nessun sistema per IA locale a catalogo soddisfa questa stima di memoria con il margine previsto.
Per i sistemi a memoria condivisa si considera il 75% della memoria installata, lasciando il 25% al sistema operativo e ad altre allocazioni. È un’ipotesi, non una misura della memoria assegnata alla GPU. I limiti di firmware e driver possono essere inferiori e richiedere configurazione. La corrispondenza di memoria non verifica runtime, pesi quantizzati o velocità di inferenza.
Include cache KV FP16, prompt e token generati, metadati di quantizzazione e margine runtime. Le GPU suggerite riservano il 10% della VRAM. La memoria sufficiente non garantisce velocità o compatibilità software: servono pesi quantizzati e supporto del runtime.