Microsoft Phi-3.5 MoE Instruct

Teksts un tērzēšanaNav pieejams
no MicrosoftModeļa ID: phi-3-5-moe-instruct

Mixture-of-experts Phi-3.5: 42B total / 6.6B active params. 128k context, multilingual.

Statuss
Nav pieejams
Konteksts
131 072 marķieri
Maks. izvade
4096 marķieri
Ievade → Izvade
Teksts → Teksts
Izstrādātājs
Microsoft
Atjaunināts
2026. gada 25. jūnijs

Microsoft Phi-3.5 MoE Instruct pašlaik nav pieejams

Pašlaik nav pieejams: šis modelis ir deaktivizēts.

Jūs joprojām varat lasīt detaļas šajā lapā. Izvēlieties vienu no pieejamajām alternatīvām zemāk, lai uzreiz palaistu salīdzināmu modeli.

Uz alternatīvām
01

Salīdzināmi modeļi

Visi šajā kategorijā
  • Anthropic's model for the most demanding reasoning and long-horizon agentic work. 1M-token context window, up to 128K output tokens, adaptive thinking that is always on.

    12,00 $/1M ievade

  • The most capable model of Anthropic's Opus 4 series. State of the art on long-horizon agentic work, coding and knowledge tasks, with a 1M-token context window at standard pricing.

    6,00 $/1M ievade

  • Anthropic's current Opus model for long-running agentic coding and knowledge work. 1M-token context window, up to 128K output tokens, adaptive thinking that is always on.

    4,80 $/1M ievade

02

Spēļu laukums

Izmēģiniet Microsoft Phi-3.5 MoE Instruct

Tērzēšana

Pašlaik nav pieejams

Pašlaik nav pieejams: šis modelis ir deaktivizēts.

Spēļu laukums ir atspējots. Salīdzināmus modeļus varat atrast vienā kategorijā: Skatīt alternatīvas

Izmēģiniet Microsoft Phi-3.5 MoE Instruct

Nosūtiet ziņojumu. Atbilde tiek saņemta pilnībā, kad modelis ir pabeigis (bez straumēšanas).

Sistēmas uzvedne
Maks. atbildes garums (marķieri)

Šis palaišanas gadījums

Nav cenas – pašlaik nav pieejams.

Jauns šeit?

10 bezmaksas kredīti (0,10 $), reģistrējies ar Google

Pieejams 24 stundas pēc reģistrācijas, līdz 5 palaišanas gadījumi dienā un maksimāli 2 kredīti uz palaišanas gadījumu. Citas pierakstīšanās metodes sākas bez kredītiem.

03

Par Microsoft Phi-3.5 MoE Instruct

ĪsumāUz 2026. gada 25. jūnijs

Microsoft Phi-3.5 MoE Instruct ir Microsoft modelis kategorijā Teksts un tērzēšana. Microsoft Phi-3.5 MoE Instruct pašlaik nav pieejams Railwail platformā. Konteksta logs satur 131 072 žetonus, un viena atbilde var būt līdz 4096 žetonu gara.

Fons

Par Microsoft Research

Dibināts 1991 · Redmond, Washington, USA

Microsoft Research's Machine Learning Foundations group — led by Sébastien Bubeck and Ronen Eldan — drove the Phi series of small-but-capable language models. The Phi thesis is that synthetic 'textbook-quality' training data can produce small models that punch far above their weight on reasoning benchmarks. The series began with Phi-1 (1.3B, code, 2023), Phi-1.5 (general reasoning, 2023), Phi-2 (2.7B, 2023), Phi-3 (Mini, Small, Medium dense models, April 2024) and Phi-3.5 (Mini, Vision, MoE, August 2024). Phi-3.5 MoE was Microsoft's first Mixture-of-Experts Phi variant — 16 experts of 3.8B parameters each with top-2 routing. Microsoft Research itself was founded in 1991 and remains one of the largest industrial AI research organisations in the world; Phi is one of its flagship open-weights AI projects.

Apmeklēt Microsoft Research

Arhitektūra

Mixture-of-Experts Decoder Transformer

Phi-3.5 MoE Instruct is a 16x3.8B Mixture-of-Experts decoder transformer — 16 experts each approximately the size of Phi-3-Mini, with top-2 routing yielding 6.6B active parameters out of 41.9B total. The architecture uses 32 layers, 4,096 hidden size, 32-head grouped-query attention with 8 KV heads, RoPE positional embeddings (theta=10000, extended for 128K context), SwiGLU activations, and a 32,064-token Llama-derived BPE tokeniser. Routing uses a sparse mixer with auxiliary loss for expert balancing. The model was pretrained on 4.9 trillion tokens of heavily curated data, with the Phi recipe emphasising synthetic 'textbook-quality' data generated from larger models — explicitly oversampling reasoning-dense content over breadth. Training used 512 H100 GPUs for 23 days. Post-training is supervised fine-tuning plus Direct Preference Optimisation (DPO) with explicit safety post-training. Released August 2024 under MIT license.

Parametri
41.9B total, 6.6B active per token (16 experts of ~3.8B each, top-2 routing)
Konteksts
131 072 marķieri

Iespējas

  • 16-expert MoE — Microsoft's first MoE Phi variant
  • Only 6.6B active parameters — cheap inference for MoE
  • Punches above weight: matches Mixtral 8x7B (12.9B active) and Llama 3.1 8B on many benchmarks
  • Strong math and reasoning for active-param size (MMLU 78.9, GSM8K 88.7)
  • 128K context window
  • Multilingual support for 22 languages
  • Open weights under permissive MIT license
  • Best for: cost-efficient reasoning, on-device inference (INT4 ~12GB), education and tutoring applications.

Apmācība un licence

Pretrained on 4.9 trillion tokens. The mix is heavily curated and includes filtered web data, synthetic 'textbook-quality' data generated from larger models, code, math and 22-language multilingual sources. Knowledge cutoff October 2023. Training used 512 NVIDIA H100 GPUs for 23 days. Post-training is supervised fine-tuning plus DPO with explicit safety post-training and red-team feedback.

Licence: MIT License for the open weights. Commercial use, redistribution and modification permitted without restriction — one of the most permissive licenses among major open-weight LLMs.

Drošības pārbaudes: Microsoft published a model card and Phi-3 technical report with red-team and safety evaluation. Post-training incorporates safety alignment via DPO on red-team feedback.

Zināmi ierobežojumi

  • Total memory ~42B parameters needs ~80GB FP16 — heavier than 6.6B active suggests
  • MoE routing means latency spikes on imbalanced batches
  • Knowledge breadth narrower than larger dense models — Phi trades breadth for reasoning
  • Behind frontier models on coding benchmarks despite strong math
  • Synthetic-data-heavy training can produce 'textbook-like' answers that don't match real-world tone
  • No vision modality (use Phi-3.5-Vision instead)
04

Cenas

Pašlaik nav pieejams: šis modelis ir deaktivizēts. Šim modelim pašlaik nav cenas, tāpēc to nevar palaist.

05

API

Izsauciet Microsoft Phi-3.5 MoE Instruct ar savu Railwail API atslēgu. Izmantojiet šo modeļa ID pieprasījumā:

Pašlaik nav pieejams

Modelim nav pārbaudītas cenas vai tas ir deaktivizēts; API izsaukumi tiek noraidīti.

06

Specifikācijas

Modeļa ID
phi-3-5-moe-instruct
Izstrādātājs
Microsoft
Ievade
Teksts
Izvade
Teksts
Konteksta logs
131 072 marķieri
Maks. izvade
4096 marķieri
Modeļa izmērs
41.9B total, 6.6B active per token (16 experts of ~3.8B each, top-2 routing)
Licence
MIT License for the open weights. Commercial use, redistribution and modification permitted without restriction — one of the most permissive licenses among major open-weight LLMs.
Kataloga ieraksts atjaunināts
2026. gada 25. jūnijs

Tagi

  • microsoft
  • open-weights
  • moe
  • multilingual
  • pricing-tbd
07

Lietošanas gadījumi

Kam to izmanto

  • Cost-efficient reasoning at MoE-cheap inference
  • On-device / edge AI (INT4 quantisation ~12GB)
  • Multilingual structured tasks across 22 languages
  • Education and tutoring applications
  • Math and code reasoning in resource-constrained settings
  • Self-hosted small-business assistants
08

Bieži uzdotie jautājumi

Kas ir Microsoft Phi-3.5 MoE Instruct?

Microsoft Phi-3.5 MoE Instruct ir Microsoft izstrādāts modelis Teksts un tērzēšana kategorijā. Tas ir uzskaitīts Railwail katalogā, bet pašlaik to nevar palaist.

Cik maksā Microsoft Phi-3.5 MoE Instruct Railwail?

Microsoft Phi-3.5 MoE Instruct pašlaik nevar tikt palaists Railwail, tāpēc nav pašreizējās cenas. Pieejamās alternatīvas ar cenām ir norādītas tālāk šajā lapā.

Kāds ir Microsoft Phi-3.5 MoE Instruct konteksta logs?

Microsoft Phi-3.5 MoE Instruct konteksta logs satur 131 072 žetonus. Viena atbilde var būt līdz 4096 žetonu gara.

Cik ātrs ir Microsoft Phi-3.5 MoE Instruct?

Railwail platformā Microsoft Phi-3.5 MoE Instruct vēl nav pietiekami daudz izmērītu izpilžu, lai norādītu izpildes laiku. Tas ir atkarīgs no ievades, iestatījumiem un sniedzēja slodzes.

Vai Microsoft Phi-3.5 MoE Instruct ir labāks par Claude Fable 5.1?

Tas ir atkarīgs no uzdevuma. Microsoft Phi-3.5 MoE Instruct (Microsoft) un Claude Fable 5.1 (Anthropic) ir abi modeļi Teksts un tērzēšana kategorijā. Salīdzināšanas lapā to cenas un specifikācijas ir parādītas blakus.

Salīdzināt Microsoft Phi-3.5 MoE Instruct un Claude Fable 5.1

Vai es varu izmantot Microsoft Phi-3.5 MoE Instruct tieši tagad?

Pašlaik nav pieejams: šis modelis ir deaktivizēts. Lapa paliek tiešsaistē; pieejamās alternatīvas no vienas kategorijas ir norādītas tālāk.

Visi modeļi caur vienu API

Viena API atslēga visiem Railwail modeļiem. Izmantošana tiek aprēķināta no iepriekš apmaksātiem kredītiem, 1 kredīts = 0,01 $.