Phi-4-reasoning
Microsofts Beweis, dass auch 14B ernsthaft „denken" kann — stark in Mathe/Wissenschaft, MIT-frei. Gute Wahl für 16-GB-Geräte.
Microsofts Beweis, dass auch 14B ernsthaft „denken“ kann — stark in Mathe/Wissenschaft, MIT-frei. Gute Wahl für 16-GB-Geräte.
So nutzt du es
Am einfachsten per Ollama: ollama pull <modellname> und dann ollama run <modellname> — oder komfortabel mit LM Studio (grafische Oberfläche, Modell-Suche eingebaut). Die Hardware-Angaben unten beziehen sich auf die übliche 4-Bit-Quantisierung (Q4).
Größen & Hardware
- Verfügbare Größen: 14B (+ mini 3.8B)
- Empfohlene Hardware (Q4): 14B: 12–16 GB
Im Detail
Phi-4-reasoning ist eine auf Denkaufgaben spezialisierte Variante von Phi-4, die durch zusätzliches Reasoning-Training bei Mathematik und Wissenschaft noch einmal zulegt gegenüber dem Basismodell. Wie Phi-4 läuft es mit 14B Parametern in 12–16 GB RAM und steht unter der freizügigen MIT-Lizenz. Für Nutzer mit begrenztem Speicher (16 GB) ist es eine der wenigen Möglichkeiten, ein echtes „Denk-Modell“ lokal zu betreiben, ohne auf große Reasoning-Modelle wie DeepSeek-R1 ausweichen zu müssen. Durch die längeren Denkschritte fallen Antworten spürbar langsamer aus als bei Nicht-Reasoning-Modellen.
Praxis-Tipp
Für komplexe Matheaufgaben oder mehrstufige Logikrätsel einsetzen – bei einfachen Chat-Anfragen ist das reguläre Phi-4 schneller und ausreichend.
Siehe auch
Lizenz & Quelle
Erfahrungen & Kommentare.
Funktioniert der Modell bei Ihnen? Tipps, Stolperfallen, Varianten — teilen Sie es mit der Community.
Lade Kommentare …
Passt dazu.
Llama 3.1
Der Meta-Klassiker mit 128K Kontext. 8B ist ein sehr solider Allrounder für schwächere Hardware, spricht ordentlich Deutsch.
Llama 3.3
Leistet laut Meta ungefähr so viel wie das riesige 405B-Modell — der Preis-Leistungs-Tipp, wenn man 64 GB (z. B. Mac Studio) hat.
Llama 4 (Scout / Maverick)
Metas MoE-Generation mit sehr großem Kontext und Bildverständnis. Für Heim-Hardware meist zu groß — eher für Server/Mac Studio 128 GB+.
