Phi 4 Mini Instruct: barato no input, sem nota de IQ

O lançamento sem nota

Nove dias depois de aparecer no catálogo, o Phi 4 Mini Instruct ainda não tem nota de inteligência publicada. Em um mercado que acabou de colocar 24 modelos novos em 30 dias — e que mantém 263 ativos no total — a ausência de benchmark é ela mesma a notícia. Você vai colocar um modelo na fila de produção sem saber se ele está mais perto do o3 (IQ 31,096), do Claude Haiku 4.5 (29,892) ou do fundo do catálogo?

O que a Microsoft diz (e o que falta)

A ficha do catálogo descreve o Phi 4 Mini como "lightweight", treinado em dados sintéticos e em sites públicos filtrados, com foco em "reasoning dense data". Janela de contexto de 131.072 tokens. Modalidade text-to-text. É a continuação da família Phi, historicamente voltada a modelos pequenos e eficientes — a aposta clássica da Microsoft para o segmento em que cada centavo por token conta.

O que essa ficha não traz: IQ, coding, agentic, blended — todos nulos. Parâmetros em bilhões também não foram publicados. Velocidade, raciocínio, knowledge cutoff, país de origem: idem. É um lançamento em que o criador entrega o preço e a arquitetura conceitual, mas pede que você confie na marca para o resto.

A conta, traduzida

O Phi 4 Mini custa US$ 0,08 por milhão de tokens de entrada e US$ 0,35 por milhão de tokens de saída. Cache na mesma faixa do input, US$ 0,08. Não há tier gratuito.

Coloque isso lado a lado com quem disputa o mesmo terreno de "modelo pequeno e barato":

• gpt-oss-20b (OpenAI): US$ 0,13 por milhão de saída
• gpt-oss-120b (OpenAI): US$ 0,17 por milhão de saída
• Qwen3 Next 80B A3B Thinking: US$ 1,20 por milhão de saída

No input, o Phi 4 Mini é o mais barato dessa lista — e está abaixo do que OpenAI cobra para a família gpt-oss. No output, ele perde para o gpt-oss-20b por mais de 2,5 vezes. A leitura prática: se o seu workload lê muito e escreve pouco — classificação, extração de entidades, sumarização curta, análise de logs — a economia real fica no input. Se o workload gera texto longo, raciocínio passo a passo ou código, o gpt-oss-20b sai mais barato na ponta.

A régua que ninguém está mostrando

O topo de inteligência do catálogo hoje é aberto pelo o3 (31,096), seguido pelo Claude Haiku 4.5 (29,892) e pelo gpt-oss-120b (24,126). O Qwen3 Next 80B A3B Thinking aparece em 16,867 e o gpt-oss-20b em 15,225. Phi 4 Mini entra sem posição definida nessa régua — o catálogo simplesmente não publicou uma nota.

Em um mercado com 263 modelos ativos e 24 entradas nos últimos 30 dias, isso pesa. Não é que o Phi 4 Mini seja ruim; é que, sem métrica comparável, o comprador técnico não consegue colocá-lo na fila de decisão ao lado dos concorrentes. Você fica refém de teste próprio ou de promessa de marketing — exatamente o que o resto do catálogo tenta evitar ao publicar IQ de todos os outros.

Para quem vale — e para quem não muda nada

Vale a pena testar quando você precisa de um modelo text-to-text barato para tarefas de leitura em alto volume, com janela de contexto grande (131k tokens), e está disposto a rodar uma avaliação própria antes de promover para produção. O "reasoning dense" do release sugere foco em tarefas que pedem algum raciocínio sobre o texto lido — útil para RAG com perguntas diretas, por exemplo.

Não muda nada para quem já roda gpt-oss-20b ou outro modelo pequeno com benchmark publicado. Não muda nada para quem precisa de nota validada de coding ou agentic — aqui o catálogo simplesmente não entrega dado. E não muda nada para workloads pesados em output: o preço de US$ 0,35 por milhão encarece rápido quando o prompt é "explique este código linha a linha".

Microsoft não está sozinha na corrida por modelos pequenos e baratos. Está atrás de OpenAI (gpt-oss-20b e 120b) e de Qwen nesse segmento. A diferença é que os concorrentes já entregaram nota — e é por isso que a régua do catálogo tem o Phi 4 Mini no campo vazio, não na lista.