Phi-3-mini-4k-instruct

Phi-3-mini-4k-instruct 属于微软 Phi-3 系列中的 mini 规格、4K 上下文版本，以指令跟随形式发布，权重开源且许可证为 MIT，商用与二次分发的限制较少。它要解决的是「小体量模型能否承担日常文本任务」这一问题：在算力与显存受限的机器上提供可自托管的对话与文本生成能力，避免依赖闭源 API 带来的成本与数据外流风险。输入与输出均为纯文本，不支持图像、音频等多模态内容，也不适合作为长文档处理的主力模型。官方未公开定价，第三方平台收录数量为 0，本站亦未收录其公开跑分，因此横向能力只能参照同厂 Phi-4 系列等近邻型号做定性判断。

选型建议需要小体量、可自托管、许可宽松的通用文本模型时选它；需要长上下文、多模态或强推理能力时应改选同厂 Phi-4 系列或更大规格模型。

• 在本地或私有服务器部署轻量对话助手，处理内部问答与客服草稿
• 对短文本做摘要、改写与格式整理，控制单次输入的上下文长度
• 作为离线环境中的文本生成组件，嵌入数据不外发的内部工具链
• 用于指令跟随类任务的微调基座，借助 MIT 许可做二次开发
• 在算力受限的边缘设备或开发机上做原型验证与效果对比

延续 Phi 系列以小参数量追求推理密度的路线，采用 decoder-only Transformer 结构并做指令微调，具体层数、注意力变体等细节官方未在本站数据中给出。

• 结构decoder-only 自回归 Transformer，指令微调版本，权重以 MIT 许可开放，可下载后自行量化部署。
• 能力定位为紧凑型语言模型，覆盖指令跟随、问答、摘要与改写等通用文本任务，不涉及多模态。
• 披露本站未收录该模型参数量、训练 token 规模与上下文扩展方案等细节，公开资料较少的部分不做推测。

开源权重

是

模型家族

—

许可证

mit

参数规模

—

缺少本站收录的第三方跑分，性能只能从规格与同厂近邻型号做定性推断，不宜给出量化结论。

• 强项小体量便于本地推理与低成本私有部署，指令微调形态开箱可用，适合轻量对话与短文本加工。
• 短板4K 上下文限制了长文档与多轮长对话，纯文本模态无法处理图文混合输入，复杂推理任务余量有限。
• 适合对数据合规敏感、希望自托管的中小规模文本任务，比直接调用大模型 API 更可控。

官方价格未公开，权重可免费获取，实际成本主要落在自建推理资源与运维上。

• 定位开源权重加 MIT 许可，无按 token 计费的门槛，成本结构由部署硬件与人力决定。
• 横向对比同厂 Phi-4 Mini、Phi-4、Phi-4 Multimodal 均标注了每百万 token 单价且上下文为 128K，规格与计费方式不同，不能直接比价。
• 平台差价本站未收录任何提供该模型推理服务的平台，暂时不存在可比价的托管渠道。
• 省钱自托管按实际算力付费、无调用量上限，适合调用频次高且能承担运维的团队。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站未收录该模型的第三方跑分与能力标注，任何性能结论都只能定性表述。
• 边界4K 上下文与纯文本模态是明确约束，长文档、多模态与高难度推理场景应换用其他型号。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。