Phi-4-Reasoning-Vision-15B의 개요
Phi-4-Reasoning-Vision-15B는 Microsoft 소형 모델 제품군 Phi의 최신 모델로, 2026년 3월 4일 공개됐습니다. Phi-4-Reasoning 언어 모델에 이미지 인코더를 결합해 텍스트와 이미지를 읽고 텍스트를 씁니다. 파라미터는 150억(15 billion) 개, 컨텍스트는 16,384 토큰입니다.
하나의 모델이 두 방식을 모두 처리합니다. 단계별로 추론할 수도, 바로 답할 수도 있으며, 어느 모드든 강제할 수 있습니다. 주로 영어로 학습했으며 다국어용이 아닙니다.
가중치는 Hugging Face와 GitHub에서 MIT 라이선스로 무료이며, Microsoft Foundry로도 제공됩니다.
Phi-4-Reasoning-Vision-15B, 쓸 만한 가치가 있습니까?
Phi-4-Reasoning-Vision-15B의 곤란한 사실은 자신의 모델 카드에 있습니다. 크기가 절반쯤인 Qwen3-VL-8B-Instruct와 비교하면, Microsoft가 나열한 벤치마크 10개 중 8개에서 뒤집니다. OCRBench(76.0 대 89.2), MathVista(75.2 대 77.1), ScreenSpot-v2 화면 그라운딩(88.2 대 91.5)이 그렇습니다. 앞서는 것은 AI2D 다이어그램과 ChartQA뿐이며, 차이도 2.1포인트 이하입니다.
강한 상대는 오래된 모델이나 범용 모델입니다. 차트와 화면에서 Phi-4-multimodal과 Gemma 3 12B를 크게 앞서며, Gemma 3 12B의 ScreenSpot-v2 점수는 3.5입니다. Microsoft는 Gemma 4가 아닌 2025년 무렵 모델과만 비교했고, 이 점수는 모두 자체 보고입니다.
실질적 한계는 16,384 토큰 컨텍스트입니다. 비전 인코더가 고해상도 이미지 한 장에 최대 3,600 토큰을 쓸 수 있어, 스크린샷 몇 장과 추론 과정만으로 창이 찹니다. Microsoft는 vLLM에서 bf16을 권장하는데, 이는 가중치가 약 30GB라는 뜻입니다. 테스트 환경으로는 소비자용 카드가 아닌 A6000, A100, H100, B200 GPU를 듭니다.
MIT 라이선스와 전환 가능한 추론 모드는 실질적인 장점이고, 공개된 안전성 결함률(텍스트→텍스트 1.4%, 이미지→텍스트 4.5%)은 대부분의 오픈 릴리스보다 많은 정보를 줍니다. 다만 채택은 뒤따르지 않았습니다. Hugging Face 페이지의 지난 한 달 다운로드는 약 3,100회로, 기댈 만한 커뮤니티 양자화나 도구가 거의 없다는 뜻입니다.
제 역할을 하는 곳
법무팀이 MIT나 Apache 라이선스만 승인하는 회사의 플랫폼 엔지니어
사내 분석 도구에 차트와 다이어그램 질의응답 추가
A100이나 A6000 한 장에서 vLLM으로 bf16 서비스하고, 속도를 위해 non-thinking 모드를 씁니다. 라이선스 면에서는 정당화할 수 있는 선택이지만, 같은 모델 카드에서 Qwen3-VL-8B가 더 높은 점수를 받습니다.
레거시 데스크톱 소프트웨어용 컴퓨터 사용 에이전트를 시제품으로 만드는 팀
스크린샷에서 버튼과 입력란 위치 찾기
ScreenSpot-v2 88.2는 그라운딩용으로 쓸 만하지만, 16K 컨텍스트 때 문에 단계마다 넣을 수 있는 화면 수가 제한됩니다. 기록을 과감하게 잘라야 합니다.
영국 교육 스타트업의 프로덕트 매니저
학생에게 손글씨 수학 문제와 도형 문제 설명
thinking 모드를 강제하면 MathVerse가 44.9에서 53.1로 오르지만 지연 시간과 토큰이 늘어납니다. 영어 전용 학습이어서 다국어 시장에는 맞지 않습니다.
도입 전 확인할 점
- 설정
- torch 2.7.1+, Transformers 4.57.1+가 필요하고, 서비스에는 vLLM 0.15.2+가 필요합니다. Microsoft는 항상 채팅 템플릿과 시스템 프롬프트를 쓰라고 합니다.
- 연동
- Hugging Face와 GitHub 가중치, Microsoft Foundry 호스팅, vLLM과 Transformers. 생성 템플릿에 토큰을 덧붙여 thinking 또는 non-thinking 출력을 강제합니다.
- 데이터와 개인정보
- MIT 라이선스입니다. 자체 호스팅하면 이미지와 프롬프트가 로컬에 남고, Foundry 호스팅은 Azure 약관을 따릅니다.
- 대규모 사용 시 비용
- 자체 호스팅에는 30GB를 넉넉히 넘는 GPU, 예를 들어 48GB A6000이나 80GB A100이 필요합니다. Foundry 가격은 공개되지 않았습니다. 모델 카드에도, 다른 Phi-4 모델의 토큰당 요금은 실린 Azure 소매 가격표에도 없습니다.
- 제한
- 16,384 토큰 컨텍스트를 이미지와 텍스트가 나눠 씁니다. 영어 전용입니다. Microsoft는 의료, 법률, 금융 조언에는 적합하지 않다고 명시합니다.
좋은 점
- 사용 제한 없는 MIT 라이선스
- 하나의 모델에 thinking 모드와 non-thinking 모드
- 안전성 레드팀 결함률 공개
- 차트와 화면에서 Gemma 3 12B를 크게 앞섬
아쉬운 점
- Microsoft 자체 표에서 벤치마크 10개 중 8개가 Qwen3-VL-8B에 뒤짐
- 16K 토큰 컨텍스트에 이미지당 최대 3,600 토큰
- bf16으로 약 30GB, 데이터센터 GPU에서만 테스트됨
- 모델 카드 스스로 밝히듯 영어 전용
추천 대상
데이터센터 GPU를 갖추고 차트, 다이어그램, 스크린샷용 MIT 라이선스 영어 비전 모델이 필요하며, 먼저 Qwen3-VL과 비교해 볼 준비가 된 팀.
Phi-4-Reasoning-Vision-15B 대안
Phi-4-Reasoning-Vision-15B: 자주 묻는 질문
- Phi-4-Reasoning-Vision-15B, 쓸 만한 가치가 있습니까?
- Phi-4-Reasoning-Vision-15B는 MIT 라이선스 비전 모델이지만, Microsoft 자체 성적표에서 8B Qwen에 집니다. 평점은 5점 만점에 3.4점입니다.
- Phi-4-Reasoning-Vision-15B의 가격은 얼마입니까?
- MIT 라이선스의 무료 가중치입니다. Microsoft Foundry 호스팅은 별도로 청구됩니다.
- Phi-4-Reasoning-Vision-15B의 단점은 무엇입니까?
- Microsoft 자체 표에서 벤치마크 10개 중 8개가 Qwen3-VL-8B에 뒤짐; 16K 토큰 컨텍스트에 이미지당 최대 3,600 토큰; bf16으로 약 30GB, 데이터센터 GPU에서만 테스트됨; 모델 카드 스스로 밝히듯 영어 전용.
- Phi-4-Reasoning-Vision-15B에 적합한 사람은 누구입니까?
- 데이터센터 GPU를 갖추고 차트, 다이어그램, 스크린샷용 MIT 라이선스 영어 비전 모델이 필요하며, 먼저 Qwen3-VL과 비교해 볼 준비가 된 팀.
- 팀이나 프로덕션 환경에서 Phi-4-Reasoning-Vision-15B의 비용은 얼마입니까?
- 자체 호스팅에는 30GB를 넉넉히 넘는 GPU, 예를 들어 48GB A6000이나 80GB A100이 필요합니다. Foundry 가격은 공개되지 않았습니다. 모델 카드에도, 다른 Phi-4 모델의 토큰당 요금은 실린 Azure 소매 가격표에도 없습니다.
- Phi-4-Reasoning-Vision-15B에 회사 데이터를 맡겨도 안전합니까?
- MIT 라이선스입니다. 자체 호스팅하면 이미지와 프롬프트가 로컬에 남고, Foundry 호스팅은 Azure 약관을 따릅니다.
- Phi-4-Reasoning-Vision-15B의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Gemma 4, Mistral Small 4, Phi-4-multimodal 및 Nemotron 3.5 Super VL입니다.
답변 확인일: 2026년 10월 26일.