Phi-4 Mini (Unsloth)
3,8 Mrd. Dense-Parameter, synthetisches Trainingsmaterial und eine ausgesprochene Reasoning-Spezialisierung: Phi-4-mini ist Microsofts kompaktes Modell für Mathe, Logik und strukturierte Ausgabe. MIT-Lizenz, 128.000 Tokens Kontext, lokal als Unsloth-GGUF betreibbar — kein breiter Generalist, sondern ein Spezialist auf Nano-Größe.
- Open Weights
- Nano
- llama.cpp
- Text
- Instruction-Tuned
- Real-Time
Sovereign Risk: LOW TODO
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Bronze
- 58.41
- Routine
- 34.53
- Reasoning
- 23.88
- LLM Judge Avg
- 2.79 / 5
- 100 Coverage
- Avg Task Duration
- 17.44s
- Real-Time
- Token Rate
- 46.13tok/s
- Output Rate
- P95 Latency
- 20.51s
- Top 5 %
- Total Tokens
- 62900
- Output Volume
- Cost per 1K
- $0
- USD / 1K Requests
- Benchmark Cost
- $0
- Total · 62900 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Phi-4 Mini (Unsloth)
Bestes Modell
Ø Alle Modelle
Code Quality
56.7
CLI Benchmark
78.89
Logical Reasoning
61.09
UX Writing
57.75
Documentation
50.85
Content Transform.
53.71
Cultural Intelligence
52.3
Synthesis Quality
47.5
Tool Execution
88.33
ToolUse Score
66.25
Benchmark Cost
$0
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze / Standard).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.