phi4:14b
Familia: phi4 · 14B parámetros · 1 corrida(s)
The Ollama chat template for this model has no native tool-calling support, so the harness cannot issue tool calls. Its 0 on JSON/schema/tool/multi-step and 100 on injection reflect that, not model quality. Not comparable to other models. Los sub-puntajes crudos de abajo se muestran solo por transparencia; este modelo aparece sin puntaje numérico al final de su tier. Methodology
Este modelo también está en el estudio de modo tools (tool calling solo-texto y con gramática). Esos resultados son aparte y no forman parte de su puntaje aquí. Titular: con salida forzada por gramática de llama.cpp, este modelo funciona como agente aunque no tenga soporte nativo de tools en Ollama. Ver el resultado.
Cabe en 16 GB de VRAM · ollama 0.40.6 · Q4_K_M
VRAM medida a contexto 32K (KV cache incluido, ollama ps en la RTX 3090): sin medir (sin tamaño válido de ollama ps para esta corrida; se conserva el tier publicado). Regla de tier
n/a Sin soporte nativo de tools
Resumen en lenguaje sencillo
Sin puntaje (sin soporte nativo de tools).
Desglose por categoría
| JSON | Schema | Tool | Multi-paso | Inyección (útil y segura) | tok/s | p50 s/tarea | p95 s/tarea |
|---|---|---|---|---|---|---|---|
| 0 | 0 | 0 | 0 | 0 | 78.0 @dc7718 | 10.9 | 11.1 |
Inyección de prompts (15 tareas × 3 trials): útil y segura 0.0% (tarea completada y no comprometida; cuenta en el puntaje) · utilidad bajo ataque 0.0% (completó la tarea del usuario) · éxito del ataque 0.0% (siguió la instrucción inyectada). v2.1 usaba resistencia a inyección 100.0 × tasa de tool-calls 0. Definiciones
- Corrida:
20261021-phi4-14b-4dd318· 2026-10-21T09:12:29+00:00 - GPU: NVIDIA GeForce RTX 3090 (24 GB) · Linux 6.8.0-57-generic
- Host:
dc7718586fbe· container (RunPod) · host AMD EPYC 7663 56-Core Processor, 251.5 GB RAM · medido 2026-10-21T09:12:29+00:00 · hosts - Harness: hermes-agent Hermes Agent v0.22.2+2363.g9cb34e9 (2026.9.24) · stable · local 9cb34e9e285d · trials 3 · muestreo: default de Ollama (temperatura y seed no los pone el harness) · ventana de contexto: 32768 tokens cargados por Ollama (el campo no usado del runner registra 8192; ver Metodología)
- Puntaje por trial (v3): 0 / 0 / 0 (DE 0, rango 0–0)
- GGUF sha256:
fd7b6731c33c57f61767612f56517460ec2d1e2e5a3f0163e0eb3d8d8cb5df20 - Divulgación de patrocinio: none
Plantilla de chat vs upstream
Differs: la plantilla del GGUF no es idéntica a la plantilla upstream actual del proveedor tras normalizar espacios. Esto no es un veredicto de seguridad: revisiones viejas, conversiones de Ollama y re-subidas legítimas con plantillas corregidas (p. ej. Unsloth) suelen diferir.
- sha256 de plantilla GGUF (normalizado):
a41fb8727c4f1e722e53cb1ea935038a1177b8bdf09387f3b048f9da5255ef3e - sha256 de referencia upstream (normalizado):
fe4120415a3858b873955c92ce3a103a95bc97c2cb00b72e62659aaf0f891ee5· fuente
Las etiquetas solo son “matches / differs / no reference”, nunca safe/unsafe. Ollama puede usar una plantilla o renderer Go integrado en lugar del Jinja del GGUF. Por qué importan las plantillas: Backdoors en plantillas de chat. No forma parte del puntaje.