Phi 小模型是一款开放权重模型：微软的小参数语言模型系列。

这篇不列具体价格（以官网为准），而是帮你判断自己属于哪类用户、该选什么方案。

先回答这 5 个问题

  1. 每周大概用几次？偶尔用还是每天用？
  2. 是一个人用，还是需要团队共享与权限管理？
  3. 是否需要接入其他系统（API、集成）？
  4. 处理的数据是否敏感，需要企业级条款吗？
  5. 预算由个人承担还是公司报销？

对应的选择

你的情况建议
偶尔使用、先体验免费版或试用，先跑通一个任务
每天使用的个人个人付费版，按月订阅便于随时调整
3 人以上协作团队版，关注共享空间、权限与账单管理
需要接入系统API 或开发者方案，按用量计费并设上限
有合规要求企业版或私有化，先审数据处理协议

不同产品的方案名称和权益差异很大，Phi 小模型具体有哪些档位、价格多少，请以官方定价页为准，本文不引用可能过期的价格。

试用期内该测什么

本地部署试跑

输入：一台有独立显卡或大内存的电脑。

按官方文档在本机部署，选择一个适合显存的模型尺寸，运行一个简单的对话或推理测试，记录显存占用和生成速度。

交付前确认：记录了资源占用。

延伸练习

小规模微调

适用情况：手头有几百条高质量问答数据时。

用这批数据做一次 LoRA 微调：划分训练集和验证集，记录训练参数，微调前后用同一批问题对比效果。

检查点：有前后对比。

接入现有应用

准备材料：一个已有的业务系统。

通过兼容 OpenAI 格式的接口把本地服务接入现有系统，设置超时和并发上限，先在测试环境跑通。

检查点：超时与并发有限制。

模型对比测试

输入：两到三个候选开源模型。

用 20 个真实业务问题测试候选模型，记录回答质量、速度和资源占用，选出最适合的模型。

检查点：测试问题相同。

常见问题：服务对外暴露有风险

只监听内网地址，加认证和反向代理。

常见问题：中文效果不理想

优先选择中文训练数据充足的模型。

常见问题：显存不足无法加载

换用更小的模型或更低的量化等级，或启用 CPU 卸载。

概念补充：量化

降低模型参数精度以减少显存占用，可能影响效果。

概念补充：开放权重

公开模型参数可下载使用，但许可证条款各不相同。

适合人群：医疗机构行政人员

医疗机构行政人员可以用 Phi 处理文书整理、患者沟通材料等工作。需要注意：AI 不得替代医生诊断，患者信息必须按法规保护。

适合人群：科研人员

科研人员可以用 Phi 处理文献检索与阅读、实验记录与数据整理等工作。需要注意：遵守期刊和机构关于 AI 使用的披露要求，引用逐条核对。

适合人群：咨询顾问

咨询顾问可以用 Phi 处理行业研究、访谈整理等工作。需要注意：客户机密遵守保密协议，研究结论注明来源。

使用提醒

本文基于 Phi 小模型公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。

文中提示词和示例仅作示意，实际效果取决于你的材料和 Phi 当前版本，重要内容请人工核对后再使用。

延伸阅读