Model garden Router · bajo petición Dedicado · disponible

Phi 3.5 MoE instruct

Se ejecuta como su propio despliegue de GPU dedicada, listo para lanzar desde el asistente. Los datos permanecen en Europa.

Phi-3.5-MoE is a lightweight, state-of-the-art open model built upon datasets used for Phi-3 - synthetic data and filtered publicly available documents - with a focus on very high-quality, reasoning dense data. The model supports multilingual and comes with 128K context length (i...

microsoft/Phi-3.5-MoE-instruct vLLM ready
text->text · microsoft · sovereign EU
Runs on EU infrastructure operated by European companies; US marketplace capacity is never part of this chain. Full chain
42B
Parámetros
131K
Ventana de contexto
160GB
VRAM mínima
POST /api/v1/chat/completions Bajo petición

Especificaciones

Parámetros 42B
Ventana de contexto 131,072 tokens
VRAM mínima 160 GB
Arquitectura PhiMoEForCausalLM (vLLM)
Licencia mit
Modalidad text->text
Lanzamiento August 2024
Editor microsoft ↗

Precios

Router compartido · por token
Bajo petición
No disponible en el Router compartido. Precio bajo petición como despliegue de GPU dedicada.
GPU dedicada · por hora
desde 5,33 € por hora
Su propia instancia de vLLM en una nube europea (160 GB de VRAM), facturada por horas.

Router europeo compartido, pago por token, scale-to-zero. Los despliegues de GPU dedicada se facturan por horas, consulte precios.

✓ Funcionamiento verificado el 30-07-2026, respuesta en 33818 ms en nuestra infraestructura europea.

Índice Bench

Bench es nuestro índice de calidad para cada modelo, de 0 a 100. Se basa en mediciones públicas (Epoch AI con unos 40 benchmarks, LiveBench, LMArena y más) y se actualiza cada mañana. Donde nadie mide, muestra una estimación con un rango.

42,5 / 100 · Vía LiveBench

Convertido a la misma escala a partir de su resultado en LiveBench.

Rango de 36,2 a 48,9

Fuentes: Epoch AI ↗ · LiveBench ↗ · LMArena ↗ · Actualizado a diario, última vez el 19-10-2026

LiveBench · 34,1
Razonamiento 38,7
Programación 21,7
Matemáticas 26,8
Análisis de datos 40,5
Lenguaje 17,1
Seguimiento de instrucciones 59,7
LiveBench · Todas las tareas
Razonamiento
web of lies v2 48,0
zebra puzzle 34,0
spatial 34,0
Programación
LCB generation 29,5
coding completion 14,0
Matemáticas
AMPS Hard 39,0
math comp 21,9
olympiad 19,5
Análisis de datos
cta 60,0
tablejoin 3,4
tablereformat 58,0
Lenguaje
connections 11,0
plot unscrambling 14,2
typos 26,0
Seguimiento de instrucciones
paraphrase 66,3
simplify 63,3
story generation 57,8
summarize 51,6

Llámelo ahora

Sustituto directo de OpenAI: cambie solo la URL base y la clave de API. También se admite el formato de Anthropic (/v1/messages).

curl https://hostyourai.com/api/v1/chat/completions \
  -H "Authorization: Bearer hyai-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "microsoft/Phi-3.5-MoE-instruct",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

Preguntas frecuentes

¿Puedo ejecutar Phi 3.5 MoE instruct en la UE?

Sí. HostYourAI ejecuta Phi 3.5 MoE instruct en GPU de centros de datos europeos mediante vLLM. Los prompts y las respuestas nunca salen de la UE y en la cadena no interviene ningún proveedor de nube estadounidense.

¿El alojamiento de Phi 3.5 MoE instruct cumple el RGPD?

Sí. Todo el tratamiento se realiza dentro de la UE, hay disponible un acuerdo de encargo del tratamiento (DPA) y la lista de subencargados es pública. Además, los pesos de código abierto significan que no se entrena con sus datos.

¿Cuánto cuesta Phi 3.5 MoE instruct?

Phi 3.5 MoE instruct necesita varias GPU a la vez, por lo que se ejecuta como despliegue dedicado facturado por hora de GPU y no por token. Indíquenos su volumen y haremos el cálculo con usted.

¿La API es compatible con OpenAI?

Sí. Usted utiliza los SDK estándar de OpenAI con una URL base personalizada (https://hostyourai.com/api/v1). La API Anthropic Messages también se admite como sustituto directo.

Más modelos de Microsoft

UserRepGen 4B

UserRepGen-4B is a fine-tuned Qwen3.5-4B language model that generates a structured, natural-language user representation from a multi-turn user-assistant conversation. Each representation contains a task description and a behavior description for a user, and is intended to condition a separate LLM-based user simulator.

4.5B 262K contexto Ver modelo →
AesCode 32B

AesCode generates information-rich visual artifacts such as slides, posters, and dashboards as HTML/CSS. The output remains structured, editable, and verifiable, but the task poses a distinct challenge: code models cannot see how layout, hierarchy, and color come together on the canvas.

33B 262K contexto Ver modelo →
AesCode 8B

AesCode generates information-rich visual artifacts such as slides, posters, and dashboards as HTML/CSS. The output remains structured, editable, and verifiable, but the task poses a distinct challenge: code models cannot see how layout, hierarchy, and color come together on the canvas.

8.8B 262K contexto Ver modelo →
Fara1.5 27B

Fara1.5-27B is a multimodal computer use agent (CUA) for web browsers, from Microsoft Research AI Frontiers. It observes the browser through screenshots and acts on the user's behalf by emitting structured tool calls — click, type, scroll, visit URL, web search, and so on — to complete tasks end-to-end.

27B 262K contexto Ver modelo →
Fara1.5 4B

Fara1.5-4B is a multimodal computer use agent (CUA) for web browsers, from Microsoft Research AI Frontiers. It observes the browser through screenshots and acts on the user's behalf by emitting structured tool calls — click, type, scroll, visit URL, web search, and so on — to complete tasks end-to-end.

4.5B 262K contexto Ver modelo →
GELab Zero 4B preview Sico Evolution

GELab Zero 4B preview Sico Evolution es un modelo de lenguaje multimodal de Microsoft con 4.4B parámetros, alojado en GPU europeas mediante una API compatible con OpenAI.

4.4B Ver modelo →

Pruebe Phi 3.5 MoE instruct gratis

Crear una cuenta lleva un minuto. Pruebe Phi 3.5 MoE instruct de inmediato en el Playground.

Empezar gratis