Als KI-Beratung aus Rosenheim empfehlen wir Microsoft Phi für Unternehmen im DACH-Raum, die leistungsstarke KI auf ressourcenbeschränkter Hardware betreiben möchten. Seit der Veröffentlichung von Phi-4 im Dezember 2024 haben sich die Phi-Modelle als zuverlässige Lösung für Edge- und On-Premise-Deployments etabliert und bieten beeindruckende Leistung bei minimalen Anforderungen. Mit der MAI-Familie (Build 2026) erweitert Microsoft das eigene Modell-Portfolio nun um vollständig hauseigene Reasoning- und Coding-Modelle.
Neu: MAI-Thinking-1 und MAI-Code-1-Flash (Juni 2026)
Auf der Build 2026 (2. Juni 2026) hat Microsoft die ersten vollständig hauseigenen Foundation-Modelle vorgestellt – trainiert ohne OpenAI-Distillation und ausschließlich auf kommerziell lizenzierten Daten. Aus DACH-Sicht besonders relevant:
- MAI-Thinking-1: Sparse Mixture-of-Experts mit 35B aktiven Parametern und 256k Kontextfenster. Erreicht 97,0 % AIME 2025 und 94,5 % AIME 2026 und liegt auf SWE-Bench Pro auf dem Niveau von Claude Opus 4.6. Über Microsoft Foundry / Azure in West Europe und Germany verfügbar.
- MAI-Code-1-Flash: 5B-Parameter-Coding-Modell, das Claude Haiku 4.5 auf allen vier getesteten Coding-Benchmarks schlägt (auf SWE-Bench Pro 51,2 % vs. 35,2 %). Ab dem 2. Juni 2026 in GitHub Copilot (Free, Pro, Pro+, Max) für VS Code ausgerollt.
Beide Modelle sind Teil einer siebenteiligen MAI-Familie (u. a. MAI-Image-2.5, MAI-Transcribe-1.5 mit 43 Sprachen, MAI-Voice-2 mit über 15 Sprachen) und reduzieren Microsofts Abhängigkeit von OpenAI deutlich. Sie sind allerdings nicht Open Source – wer volle Datenkontrolle braucht, bleibt bei Phi.
Neu: Phi-4-reasoning-vision (März 2026)
Microsoft hat mit Phi-4-reasoning-vision-15B ein neues Modell veröffentlicht, das Vision und Reasoning in einem 15B-Parameter-Modell kombiniert. Das Modell kann eigenständig entscheiden, wann tieferes Reasoning erforderlich ist – eine wichtige Fähigkeit für effiziente lokale Deployments.
- 15B Parameter: Mehr Kapazität als Phi-4 (14B)
- Vision + Reasoning: Versteht Bilder und kann komplexe Schlussfolgerungen ziehen
- MIT-Lizenz: Vollständige kommerzielle Nutzung erlaubt
- Self-Hosting: Läuft auf RTX 4090 oder M2 Mac
Small Language Models (SLMs)
Microsoft Phi ist Microsofts Familie von “Small Language Models” - kompakte, aber leistungsstarke Modelle, die speziell für Effizienz optimiert sind.
Warum Phi für Unternehmen?
- Kompakt: 3.8B bis 14B Parameter
- Effizient: Laeuft auf Consumer-Hardware
- MIT-Lizenz: Volle kommerzielle Nutzung erlaubt
- Self-Hosting: Volle Datenkontrolle
- Edge-fähig: Smartphones, IoT, Embedded
Besondere Stärken
Effizienz
Phi-Modelle erreichen beeindruckende Leistung bei minimaler Größe:
| Modell | Parameter | Vergleichbare Leistung zu |
|---|---|---|
| Phi-4 | 14B | GPT-4 (teilweise) |
| Phi-3.5-MoE | 42B (6.6B aktiv) | Llama 3 70B |
| Phi-3.5-mini | 3.8B | Llama 3 8B |
Lokales Deployment
Phi-Modelle können vollständig lokal betrieben werden:
- Ollama:
ollama run phi4 - LM Studio: Einfache GUI
- vLLM: Produktions-Deployment
- ONNX: Optimierte Inferenz
Hardware-Anforderungen
| Modell | RAM/VRAM | Empfohlene Hardware |
|---|---|---|
| Phi-4 | 16 GB | RTX 4070 / M2 Mac |
| Phi-3.5-MoE | 24 GB | RTX 4090 |
| Phi-3.5-mini | 4 GB | Laptop / Smartphone |
| Phi-3.5-vision | 8 GB | RTX 3060 |
Reasoning-Stärke
Phi-4 zeigt besonders starke Reasoning-Fähigkeiten:
- Mathematik und Logik
- Coding-Aufgaben
- Strukturierte Analyse
- Chain-of-Thought
Vergleich zu anderen SLMs
| Feature | Phi-4 | Llama 3.2 3B | Gemma 2 2B |
|---|---|---|---|
| Parameter | 14B | 3B | 2B |
| Reasoning | Stark | Mittel | Mittel |
| Coding | Stark | Gut | Gut |
| Vision | Ja (3.5) | Nein | Nein |
| Lizenz | MIT | Community | Apache 2.0 |
Integration mit CompanyGPT
Microsoft Phi kann in CompanyGPT als Self-Hosted-Option integriert werden - ideal für Unternehmen, die KI ohne Cloud-Abhängigkeit betreiben möchten.
Unsere Empfehlung
Für Reasoning-intensive Cloud-Workloads auf Azure / Foundry ist MAI-Thinking-1 seit Juni 2026 unsere neue Top-Empfehlung im Microsoft-Stack. Für Coding-Assistenten in GitHub Copilot ist MAI-Code-1-Flash das beste Preis-Leistungs-Verhältnis.
Für lokale und Edge-Deployments mit Vision- und Reasoning-Anforderungen empfehlen wir weiterhin Microsoft Phi-4-reasoning-vision-15B. Für reine Text-Aufgaben bleibt Phi-4 eine ausgezeichnete Wahl. Für Smartphones und IoT eignet sich Phi-3.5-mini, für einfachere multimodale Anwendungen Phi-3.5-vision.
Für Anwendungen, die maximale Qualität erfordern und Cloud-Hosting akzeptabel ist, empfehlen wir stattdessen OpenAI GPT oder Anthropic Claude.