Phi-4: małe modele Microsoftu do uruchomienia na własnym komputerze

Czym jest Phi-4?

Phi to rodzina małych modeli językowych Microsoftu. Ich znakiem rozpoznawczym jest trening na starannie dobranych i syntetycznych (wygenerowanych przez inne modele) danych, dzięki czemu przy niewielkiej liczbie parametrów radzą sobie zaskakująco dobrze w zadaniach wymagających logiki. Parametry to liczby, których model nauczył się w treningu; od ich liczby zależy, ile pamięci potrzeba do uruchomienia.

Aktualna generacja to Phi-4. W Ollamie znajdziesz cztery jej warianty:

Kontekst to ilość tekstu, którą model obejmuje naraz: pytanie, wklejone dokumenty i historię rozmowy. Liczy się go w tokenach, czyli kawałkach słów. 16K w Phi-4 to niewiele: wystarczy na rozmowę i kilka stron tekstu, ale nie na długi raport.

Phi-4-reasoning powstał z Phi-4: Microsoft doszkolił go na zapisach rozumowania krok po kroku i dodatkowo uczeniem ze wzmocnieniem. Jest też wariant Phi-4-reasoning-plus (phi4-reasoning:plus). Phi-4-mini-reasoning to z kolei destylat: mały model uczony na rozwiązaniach zadań matematycznych wygenerowanych przez większy model DeepSeek-R1, czyli przejmujący jego umiejętności w mniejszej skali.

Czy jest Phi-5?

Nie. Do 21 października 2026 roku Microsoft nie wydał modelu Phi-5. Najnowszy model z rodziny to Phi-4-reasoning-vision-15B z 4 marca 2026 roku. Ma 15 mld parametrów, kontekst 16K i licencję MIT, rozumie obrazy, potrafi wskazywać elementy interfejsu na zrzutach ekranu i obsługiwać komputer, a rozumowanie można w nim włączać i wyłączać.

Dla polskiego użytkownika ma jednak dwie wady: według karty nie jest przeznaczony do pracy wielojęzycznej (tylko angielski) i nie ma go w oficjalnej bibliotece Ollamy ani w katalogu LM Studio. Podobnie jest ze starszym Phi-4-multimodal i z Phi-4-mini-flash-reasoning: istnieją na Hugging Face, ale nie w bibliotece Ollamy.

Mocne i słabe strony Phi-4

Mocne strony

• Licencja MIT dla całej rodziny: można używać komercyjnie, bez limitów liczby użytkowników czy przychodu firmy.
• Mały rozmiar. Phi-4-mini zajmuje 2,5 GB na dysku i działa nawet na laptopie bez karty graficznej.
• Długi kontekst w małym modelu. Phi-4-mini ma 128K, osiem razy więcej niż większy Phi-4.
• Wywoływanie funkcji w Phi-4-mini, czyli możliwość proszenia twojego programu o uruchomienie narzędzia, np. wyszukiwarki.
• Matematyka i logika. Według karty Phi-4-reasoning przy 14 mld parametrów wyprzedza znacznie większy destylat DeepSeek-R1-Distill-70B i zbliża się do pełnego DeepSeek R1.

Słabe strony

• Krótki kontekst Phi-4 (16K) ogranicza pracę z dłuższymi dokumentami.
• Wersje rozumujące są wąskie. Karta Phi-4-reasoning mówi wprost, że model był projektowany i testowany do rozumowania matematycznego, a Phi-4-mini-reasoning wyłącznie do matematyki. Oba trenowano głównie na tekstach angielskich.
• Długie odpowiedzi. Modele rozumujące najpierw piszą tok myślenia. Microsoft zaleca, by przy trudnych pytaniach pozwolić Phi-4-reasoning wygenerować do 32 768 tokenów, co na słabszym sprzęcie oznacza długie czekanie.
• Kod głównie w Pythonie. Microsoft ostrzega, że dane treningowe do programowania to przede wszystkim Python z popularnymi bibliotekami.
• Brak obrazu na wejściu w wariantach dostępnych w Ollamie.

Czy Phi-4 dobrze mówi po polsku?

Oficjalnie polski obsługuje tylko Phi-4-mini: jest na liście 23 języków w jego karcie, obok m.in. czeskiego, ukraińskiego i niemieckiego. Karta większego Phi-4 mówi, że dane wielojęzyczne to ok. 8% treningu i że model nie jest przeznaczony do pracy w innych językach niż angielski. Niezależne polskie testy pokazują jednak ciekawszy obraz:

MT-Bench PL (SpeakLeash) to wieloturowe rozmowy po polsku w ośmiu kategoriach, od pisania po matematykę, oceniane przez GPT-4. Phi-4 jest tu trzeci z 50 modeli, za gemma-3-27b-it (9,28) i Mistral Small 3.1 (9,18). Tabela nie była aktualizowana od stycznia 2026, więc brakuje w niej nowszych modeli.

Open PL LLM Leaderboard (SpeakLeash) to automatyczne zadania po polsku, m.in. czytanie ze zrozumieniem; podajemy średnią w trybie 5-shot, czyli z pięcioma przykładami w poleceniu. Phi-4 zbliża się tu do Bielika, a Phi-4-mini zostaje daleko w tyle.

CPTU-Bench (SpeakLeash) mierzy rozumienie trudnych polskich tekstów: wydźwięk, frazeologię i podchwytliwe pytania. PLCC (OPI PIB) to 600 pytań o polską historię, geografię, kulturę, gramatykę i słownictwo. W obu przypadkach podajemy średnią z kategorii, którą policzyliśmy z opublikowanych danych (stan: sierpień i 17 października 2026). Wynik Phi-4 w PLCC pochodzi ze stycznia 2025.

Wniosek: Phi-4 14B sprawnie prowadzi rozmowę po polsku, ale słabo zna polskie realia i gorzej rozumie niuanse języka niż Bielik. Phi-4-mini, choć oficjalnie obsługuje polski, w testach wypada wyraźnie słabiej. Dla wersji rozumujących nie ma polskich wyników, a ich karty wskazują na angielski. Porównanie wielu modeli znajdziesz w tekście najlepszy model po polsku.

Który wariant Phi-4 wybrać?

Podajemy szacunek pamięci dla kwantyzacji Q4_K_M (zapis wag z dokładnością ok. 4,9 bita zamiast 16, dzięki czemu model jest kilka razy mniejszy). Sposób liczenia opisuje metodologia katalogu.

• Laptop z 8 GB RAM, bez karty graficznej: Phi-4-mini (szacunek ok. 3,3 GB, plik ma 2,5 GB według ollama.com). Do zadań matematycznych: Phi-4-mini-reasoning (plik 3,2 GB).
• Komputer z 16 GB RAM albo karta z 12 GB VRAM: Phi-4 (szacunek ok. 10 GB, plik 9,1 GB). To najlepszy wybór z rodziny do rozmowy po polsku.
• Logika i matematyka na tym samym sprzęcie: Phi-4-reasoning. Plik ma 11 GB według ollama.com, czyli więcej niż nasz szacunek, więc na karcie z 12 GB może być ciasno przy dłuższym toku myślenia.
• Mac z Apple Silicon: pamięć jest wspólna dla procesora i grafiki. Mac z 8 GB uciągnie Phi-4-mini, z 16 GB również Phi-4 i Phi-4-reasoning.

Uwaga: na stronie tagów Ollamy warianty q8_0 i fp16 Phi-4-mini mają w opisie kontekst 4K zamiast 128K. Wygląda to na niedokładność opisu, bo model według Microsoftu obsługuje 128K. Domyślny tag phi4-mini ma w opisie 128K.

Jak uruchomić Phi na swoim komputerze?

1. Zainstaluj Ollama. Instalator dla Windows, macOS i Linuksa jest na ollama.com/download. Program działa w tle (API pod http://localhost:11434).
2. Pobierz i uruchom model. W terminalu (Windows: PowerShell) wpisz komendę z ramki. Pierwsze uruchomienie pobiera plik, kolejne działają bez internetu.

   ollama run phi4-mini

   ollama run phi4

   Wersja rozumująca: ollama run phi4-reasoning; mała rozumująca: ollama run phi4-mini-reasoning.

3. Rozmawiaj. Pisz i zatwierdzaj Enterem. /bye kończy rozmowę, ollama list pokazuje pobrane modele, ollama rm <nazwa> je usuwa.
4. Wolisz okienka? Użyj LM Studio. W LM Studio wejdź w wyszukiwarkę modeli i wpisz „Phi-4”. Phi-4 i Phi-4-reasoning są w katalogu LM Studio.

Ile pamięci potrzebuje Phi?

Wariant	Parametry	RAM/VRAM (szacunek)	Plik w Ollama	Tag Ollama
mini 3.8B	3,8 mld	≈3,3 GB	2,5 GB	phi4-mini
14B	14,7 mld	≈10 GB	9,1 GB	phi4
reasoning 14B	14,7 mld	≈10 GB	11 GB	phi4-reasoning

Jak liczymy szacunek?

Szacunek = parametry (mld) × bity na wagę / 8 + 1 GB zapasu. Dla kwantyzacji Q4_K_M przyjmujemy 4,9 bita, dla Q8_0 8,5 bita (wartości z tabeli w dokumentacji llama.cpp); zapas obejmuje krótki kontekst i sam program. Dłuższy kontekst zużywa więcej pamięci. W modelach MoE w pamięci muszą być wszystkie parametry, nie tylko aktywne. „Plik w Ollama” to rozmiar podany na ollama.com (lub plik GGUF na Hugging Face) dla danego tagu; bywa inny niż szacunek, bo pliki zawierają też np. koder obrazu, a Ollama nie zawsze używa Q4_K_M.

Dla kogo Phi-4, a kiedy wybrać coś innego?

Phi-4 to dobry wybór, jeśli masz słabszy komputer, potrzebujesz najprostszej licencji (MIT) albo chcesz lokalnie rozwiązywać zadania z logiki i matematyki po angielsku. Phi-4-mini nadaje się do prostych asystentów z wywoływaniem funkcji, a dłuższy kontekst pozwala mu przeczytać więcej tekstu niż duży Phi-4.

Kiedy rozważyć coś innego:

• Piszesz po polsku i zależy ci na poprawności faktów o Polsce: Bielik ma w PLCC 70,67 pkt wobec 29,17 Phi-4.
• Chcesz małego modelu z obrazem na wejściu: zobacz Gemmę 4 albo Ministral 3.
• Potrzebujesz modelu rozumującego z regulowanym wysiłkiem i wywoływaniem narzędzi: sprawdź gpt-oss lub Qwena.

Phi-4 możesz też dostroić do własnych danych, bo licencja MIT na to pozwala. Pełne zestawienie modeli według polszczyzny i sprzętu znajdziesz w rankingu Najlepszy model po polsku.

Najczęstsze pytania

Czy Phi-4 mówi po polsku?

Phi-4-mini oficjalnie obsługuje polski (jest na liście 23 języków w karcie modelu). Większy Phi-4 14B nie jest według Microsoftu przeznaczony do pracy wielojęzycznej, a mimo to ma 9,07 pkt na 10 w MT-Bench PL. Za to w PLCC, teście wiedzy o Polsce, dostaje tylko 29,17 pkt, więc w faktach o polskich realiach często się myli.

Czy istnieje Phi-5?

Nie. Według stanu na 21 października 2026 roku Microsoft nie opublikował modelu Phi-5. Najnowszy model z rodziny to Phi-4-reasoning-vision-15B z 4 marca 2026 roku, który rozumie obrazy, ale obsługuje tylko angielski i nie ma oficjalnego wpisu w Ollamie.

Ile RAM potrzebuje Phi-4-mini?

Szacunek dla kwantyzacji Q4_K_M to ok. 3,3 GB, a plik phi4-mini ma 2,5 GB według ollama.com. Model działa więc na laptopie z 8 GB RAM, także bez karty graficznej. Pełny kontekst 128K zajmie jednak znacznie więcej pamięci.

Czym się różni Phi-4 od Phi-4-reasoning?

Phi-4-reasoning to Phi-4 doszkolony na zapisach rozumowania krok po kroku. Zanim odpowie, wypisuje długi tok myślenia, więc lepiej radzi sobie z matematyką i logiką, ale odpowiada wolniej. Ma też dłuższy kontekst: 32K zamiast 16K. Uruchomisz go komendą ollama run phi4-reasoning.

Czy Phi-4 można używać komercyjnie?

Tak. Cała rodzina Phi-4 ma licencję MIT, jedną z najprostszych licencji open source. Pozwala używać, modyfikować i sprzedawać rozwiązania oparte na modelu bez limitów użytkowników czy przychodu; wystarczy zachować informację o prawach autorskich i treść licencji.

Źródła

10 pozycji

1. phi-4 – karta modelu (Microsoft, Hugging Face) huggingface.co
2. Phi-4-mini-instruct – karta modelu (Microsoft, Hugging Face) huggingface.co
3. Phi-4-reasoning – karta modelu (Microsoft, Hugging Face) huggingface.co
4. Phi-4-mini-reasoning – karta modelu (Microsoft, Hugging Face) huggingface.co
5. Phi-4-reasoning-vision-15B – karta modelu (Microsoft, Hugging Face) huggingface.co
6. phi4 (Ollama) ollama.com
7. MT-Bench PL (SpeakLeash, Hugging Face) huggingface.co
8. Open PL LLM Leaderboard (SpeakLeash, Hugging Face) huggingface.co
9. PLCC: Polish Linguistic and Cultural Competency (OPI PIB, Hugging Face) huggingface.co
10. CPTU-Bench (SpeakLeash, Hugging Face) huggingface.co