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...

Commencer gratuitement ← Tous les modèles

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

Paramètres

131K

Fenêtre de contexte

160GB

VRAM minimale

POST /api/v1/chat/completions Sur demande

Caractéristiques

Paramètres 42B

Fenêtre de contexte 131,072 tokens

VRAM minimale 160 GB

Architecture PhiMoEForCausalLM (vLLM)

Licence mit

Modalité text->text

Date de sortie August 2024

Éditeur microsoft ↗

Tarifs

Router partagé · par token

Sur demande

Non disponible sur le Router partagé. Tarif sur demande en déploiement GPU dédié.

GPU dédié · par heure

à partir de 5,33 € par heure

Votre propre instance vLLM sur un cloud européen (160 Go de VRAM), facturée à l'heure.

Router européen partagé, paiement au token, scale-to-zero. Les déploiements GPU dédiés sont facturés à l'heure, voir tarifs.

✓ Fonctionnement vérifié le 30-07-2026, réponse en 33818 ms sur notre infrastructure européenne.

Indice Bench

Bench est notre indice de qualité pour chaque modèle, de 0 à 100. Il s'appuie sur des mesures publiques (Epoch AI avec une quarantaine de benchmarks, LiveBench, LMArena et d'autres) et est actualisé chaque matin. Là où personne ne mesure, il affiche une estimation avec une fourchette.

42,5 / 100 · Via LiveBench

Converti à partir de son résultat LiveBench vers la même échelle.

Fourchette de 36,2 à 48,9

Sources: Epoch AI ↗ · LiveBench ↗ · LMArena ↗ · Mis à jour chaque jour, dernière fois le 19-10-2026

LiveBench · 34,1

Raisonnement 38,7

Code 21,7

Mathématiques 26,8

Analyse de données 40,5

Langue 17,1

Respect des consignes 59,7

LiveBench · Toutes les tâches

Raisonnement

web of lies v2 48,0

zebra puzzle 34,0

spatial 34,0

Code

LCB generation 29,5

coding completion 14,0

Mathématiques

AMPS Hard 39,0

math comp 21,9

olympiad 19,5

Analyse de données

cta 60,0

tablejoin 3,4

tablereformat 58,0

Langue

connections 11,0

plot unscrambling 14,2

typos 26,0

Respect des consignes

paraphrase 66,3

simplify 63,3

story generation 57,8

summarize 51,6

Appelez-le dès maintenant

Remplacement direct d'OpenAI : changez uniquement l'URL de base et la clé API. Le format Anthropic (/v1/messages) est également pris en charge.

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!"}]
  }'

Questions fréquentes

Puis-je exécuter Phi 3.5 MoE instruct dans l'UE ?

Oui. HostYourAI exécute Phi 3.5 MoE instruct sur des GPU situés dans des centres de données européens via vLLM. Les prompts et les réponses ne quittent jamais l'UE, et aucun fournisseur de cloud américain n'intervient dans la chaîne.

L'hébergement de Phi 3.5 MoE instruct est-il conforme au RGPD ?

Oui. Tout le traitement a lieu au sein de l'UE, un accord de traitement des données (DPA) est disponible et la liste des sous-traitants est publique. Des poids open source signifient aussi : aucun entraînement sur vos données.

Combien coûte Phi 3.5 MoE instruct ?

Phi 3.5 MoE instruct nécessite plusieurs GPU à la fois et fonctionne donc en déploiement dédié, facturé à l'heure de GPU et non au token. Indiquez-nous votre volume et nous ferons le calcul avec vous.

L'API est-elle compatible avec OpenAI ?

Oui. Vous utilisez les SDK OpenAI standard avec une URL de base personnalisée (https://hostyourai.com/api/v1). L'API Anthropic Messages est également prise en charge en remplacement direct.

Autres modèles 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 contexte Voir le modèle →

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 contexte Voir le modèle →

AesCode 8B

8.8B 262K contexte Voir le modèle →

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 contexte Voir le modèle →

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 contexte Voir le modèle →

GELab Zero 4B preview Sico Evolution

GELab Zero 4B preview Sico Evolution est un modèle de langage multimodal de Microsoft avec 4.4B paramètres, hébergé sur des GPU européens via une API compatible OpenAI.

4.4B Voir le modèle →

Essayez Phi 3.5 MoE instruct gratuitement

La création d'un compte prend une minute. Testez Phi 3.5 MoE instruct tout de suite dans le Playground.

Commencer gratuitement