打破规模束缚！微软 Phi-4-reasoning 以 140 亿参数，跃升推理模型性能前列

微软推出 140 亿参数的开源推理模型 Phi-4-reasoning 。该模型基于约 140 万精心整理的推理示例进行监督微调（SFT），并经少量强化学习（RL）。虽规模不大，但在数学基准测试（如 AIME、HMMT、OmniMath 等）中，性能优于部分更大规模模型。它在推理能力上表现突出，通过 SFT 展现出推理技能的可迁移性，RL 进一步优化推理机制。