Phi-4-mini コーディングLLM（Microsoft）（ファイフォーミニコーディングエルエルエムマイクロソフト）
Microsoftが開発した小型高性能LLMシリーズPhi-4のコンパクト版。3.8Bパラメータながらコーディング・推論タスクで同クラス最高水準を達成し、オンデバイスAIやエッジ推論向けに最適化されている。
Phi-4-mini コーディングLLMとは
Phi-4-miniはMicrosoft Researchが2025年2月に公開した3.8Bパラメータの小型大規模言語モデルです。Phi（ファイ）シリーズはMicrosoftが「小さくても賢い」をコンセプトに開発するLLMファミリーで、Phi-4-miniはそのコンパクト旗艦モデルです。
「小型で高性能」を実現する訓練手法
Phi-4-miniの高性能の秘密は合成データ（Synthetic Data）の積極活用にあります。
- Synthetic Data: 教育的価値の高い問題・解答ペアをLLMで生成して訓練データとして利用
- Curated Web Data: 品質フィルタリングを徹底した高品質なウェブテキスト
- Supervised Fine-Tuning (SFT): コーディング・数学・推論特化のfine-tune
- Direct Preference Optimization (DPO): 人間フィードバックなしでの嗜好最適化
この手法はPhi-1（2023年）から継続して採用されており、パラメータ数に対して異例の高性能を実現しています。
仕様
| 項目 | 仕様 |
|---|---|
| パラメータ数 | 3.8B |
| コンテキスト | 128,000トークン（128K） |
| アーキテクチャ | Transformer（GQA搭載） |
| 訓練データ | 高品質コード・数学・合成データ |
| ライセンス | MIT（商用利用可） |
| 量子化サイズ | Q4: 約2.3GB |
パフォーマンス比較
| ベンチマーク | Phi-4-mini (3.8B) | Llama 3.2 (3B) | Mistral (7B) |
|---|---|---|---|
| HumanEval | 70.2% | 42.7% | 57.3% |
| MBPP | 69.7% | 56.3% | 63.2% |
| GSM8K（数学） | 85.4% | 77.7% | 64.2% |
| MMLU | 68.3% | 63.1% | 62.5% |
3.8Bクラスで7B級と同等以上の精度を発揮するケースが多く、VRAM制約のある環境での実用性が高いです。
オンデバイス・エッジAIでの活用
Apple Silicon（M2/M3/M4）:
# Ollamaでインストール
ollama pull phi4-mini
# コーディング補完用途で実行
ollama run phi4-mini
Windows AI PC（Copilot+ PC）: MicrosoftはPhi-4-miniをWindows AI Foundry経由でNPUオフロード実行できるよう最適化しています。Intel/AMD/QualcommのNPUに対応し、CPU比で大幅な電力効率改善を実現します。
128Kコンテキストの意義
3.8Bという小型モデルながら128,000トークン（約9万5千語）のコンテキストウィンドウを持ちます。これにより：
- 大型リポジトリの複数ファイルを一括読み込んで質問
- 長大なエラーログ全文をそのままコンテキストに投入
- 数千行のコードを一度に解析
が可能となり、従来の小型モデルでは不可能だったタスクに対応します。
よくある質問（FAQ）
Q1: Phi-4とPhi-4-miniの違いは？ A: Phi-4は14Bのフルモデルで研究・高精度タスク向け。Phi-4-miniは3.8Bのコンパクト版でオンデバイス・低VRAM環境向けです。コーディングに特化した用途ではPhi-4-miniでも十分な精度を発揮します。
Q2: 商用利用できるか？ A: MITライセンスのため商用利用・改変・再配布すべて自由です。ライセンス表記のみ必要です。
Q3: iPhone/Androidで動くか？ A: Q4量子化（2.3GB）であれば16GB RAM搭載のiPhone 16 Pro・Android ハイエンド機でllama.cpp経由での実行が報告されています。ただし推論速度はデスクトップGPUと比較して低速になります。