phi4-mini-reasoning

Phi-4-mini-reasoning 在长句生成方面的表现均优于其基础模型，甚至超过了 OpenThinker-7B、Llama-3.2-3B-instruct、DeepSeek-R1-Distill-Qwen-7B、DeepSeek-R1-Distill-Llama-8B 和 Bespoke-Stratos-7B 等规模更大的模型。

Phi-4-mini-reasoning 在数学基准测试中的表现与 OpenAI o1-mini 相当，在 Math-500 和 GPQA Diamond 评估中均超越了后者。如上所示，拥有 38 亿参数的 Phi-4-mini-reasoning 的表现优于其规模两倍以上的模型。