微软开源 Phi-4-reasoning-plus：14B 跑赢 70B 蒸馏版，还用 MIT 协议

Microsoft 开源的 Phi-4-reasoning-plus 是一个 14B 参数的密集型推理模型，专为数学、科学、编程和逻辑推理设计。

它最大的亮点是在保持 14B 紧凑体量的前提下，推理表现大幅越级。在 AIME 2025 数学测试里，它一次性通过全部 30 道题的 pass@1 成绩超越了 70B 参数的 DeepSeek-R1 蒸馏版，甚至逼近了 671B 参数的原版 DeepSeek-R1。

怎么做到的

微软这次没有堆算力，而是走了极度精炼的数据路线。整个模型仅用 160 亿 token 训练而成，其中去重后的独立 token 约 83 亿，来源全是精心筛选的高质量网页和合成数据。

在监督微调阶段，微软引入了带 <think> 和 </think> 标签的结构化思维链数据。这种设计让模型将中间推导过程与最终答案彻底隔开，能显著减少长文本解答时的逻辑混乱。

随后的强化学习环节更为极致，微软仅用了大约 6400 道数学题，配合 GRPO 算法完成对齐。奖励函数专门用来平衡准确度与简洁度，惩罚无意义的重复，让模型在面对缺乏把握的问题时能够自发展开更深入的思考。

规格方面，模型采用 dense decoder-only 架构，默认支持 32000 token 的上下文长度，在 64000 token 输入的测试中也能保持稳定表现。

怎么跑起来

该模型采用非常宽松的 MIT 协议发布。无论是企业商业化应用、二次微调还是知识蒸馏，全部没有使用限制。

部署生态非常完整，它原生支持 Hugging Face Transformers、vLLM、llama.cpp 以及 Ollama，在本地和云端都能直接拉取运行。

微软建议在对话模式下使用该模型，并配合明确要求其「按步骤推导后再给出解答」的系统提示词，以完全释放其逻辑推理能力。

需要说明的是，微软将其定位为研究工具和复合 AI 系统的推理组件，而非拿来即用的通用聊天模型，在高风险或严监管场景使用前仍需自行评估安全性。

为什么重要

如果你手头只有单张消费级显卡或有限的云端算力，以前想跑 70B 级别的强推理模型基本不太现实。Phi-4-reasoning-plus 把高水准的数学和逻辑推理压缩进了 14B 体积，大幅降低了本地部署和私有化运行的硬件门槛。

它也再次证明了高质量合成数据结合精准强化学习的威力。加上宽松的 MIT 协议，我们认为它很快会成为开发者做小模型蒸馏、本地智能体逻辑推导的核心基座之一。