微軟開源 Phi-4-reasoning-plus：14B 跑贏 70B 蒸餾版，還用 MIT 協議

Microsoft 開源的 Phi-4-reasoning-plus 是一個 14B 引數的密集型推理模型，專為數學、科學、程式設計和邏輯推理設計。

它最大的亮點是在保持 14B 緊湊體量的前提下，推理表現大幅越級。在 AIME 2025 數學測試裡，它一次性通過全部 30 道題的 pass@1 成績超越了 70B 引數的 DeepSeek-R1 蒸餾版，甚至逼近了 671B 引數的原版 DeepSeek-R1。

怎麼做到的

微軟這次沒有堆算力，而是走了極度精煉的資料路線。整個模型僅用 160 億 token 訓練而成，其中去重後的獨立 token 約 83 億，來源全是精心篩選的高質量網頁和合成資料。

在監督微調階段，微軟引入了帶 <think> 和 </think> 標籤的結構化思維鏈資料。這種設計讓模型將中間推導過程與最終答案徹底隔開，能顯著減少長文本解答時的邏輯混亂。

隨後的強化學習環節更為極致，微軟僅用了大約 6400 道數學題，配合 GRPO 演算法完成對齊。獎勵函式專門用來平衡準確度與簡潔度，懲罰無意義的重複，讓模型在面對缺乏把握的問題時能夠自發展開更深入的思考。

規格方面，模型採用 dense decoder-only 架構，預設支援 32000 token 的上下文長度，在 64000 token 輸入的測試中也能保持穩定表現。

怎麼跑起來

該模型採用非常寬鬆的 MIT 協議釋出。無論是企業商業化應用、二次微調還是知識蒸餾，全部沒有使用限制。

部署生態非常完整，它原生支援 Hugging Face Transformers、vLLM、llama.cpp 以及 Ollama，在本地和雲端都能直接拉取執行。

微軟建議在對話模式下使用該模型，並配合明確要求其「按步驟推導後再給出解答」的系統提示詞，以完全釋放其邏輯推理能力。

需要說明的是，微軟將其定位為研究工具和複合 AI 系統的推理元件，而非拿來即用的通用聊天模型，在高風險或嚴監管場景使用前仍需自行評估安全性。

為什麼重要

如果你手頭只有單張消費級顯示卡或有限的雲端算力，以前想跑 70B 級別的強推理模型基本不太現實。Phi-4-reasoning-plus 把高水準的數學和邏輯推理壓縮進了 14B 體積，大幅降低了本地部署和私有化執行的硬體門檻。

它也再次證明了高質量合成數據結合精準強化學習的威力。加上寬鬆的 MIT 協議，我們認為它很快會成為開發者做小模型蒸餾、本地智慧體邏輯推導的核心基座之一。