Gemini 1.0 Ultra：完整基准性能指南

google 1.0-ultra 2023-12-06 Proprietary

深入分析 Gemini 1.0 Ultra 在 MMLU、HumanEval、GSM8K、MATH、BBH 等基准上的表现，包含定价与适用场景。

Key Specifications

Vendorgoogle
Version1.0-ultra
Release Date2023-12-06
Context Window32768 tokens
Input Modalitiestext, image
Output Modalitiestext
LicenseProprietary
Documentationhttps://ai.google.dev/gemini-api/docs

Benchmark Performance

BenchmarkScoreUnitEvaluated AtNotesSource
MMLU80.3%2023-12-065-shotview
HUMANEVAL81.7pass@12023-12-06—view
GSM8K85.9%2023-12-060-shot CoTview
MATH57.1%2023-12-060-shot CoTview
BBH83.8%2023-12-063-shot CoTview
GPQA46.9%2023-12-060-shotview
IFEVAL81.6%2023-12-06prompt_strictview
ARC95.7%2023-12-06challengeview
MUSR64.3%2023-12-060-shotview
WINOGRANDE80.4%2023-12-060-shotview

Pricing

TierPriceCurrency
Input$7 / MtokUSD
Output$21 / MtokUSD
Cache Read$0 / MtokUSD
Cache Write$0 / MtokUSD

Source: https://ai.google.dev/pricing · as of 2023-12-06

Compliance

  • Data Residency: US
  • SOC2: ✓
  • HIPAA: ✗
  • GDPR: ✓
  • ISO 27001: ✓

Gemini 1.0 Ultra

模型概述

Google Gemini 1.0 Ultra 旗舰模型, 32K 上下文, 在多项基准上接近 GPT-4, 多模态推理能力突出。

核心规格

厂商版本发布日期上下文窗口输入模态输出模态许可证
Google1.0-ultra2023-12-0632Ktext, imagetextProprietary

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)80.3%5-shot
HumanEval81.7pass@1—
GSM8K (Grade School Math 8K)85.9%0-shot CoT
MATH57.1%0-shot CoT
BBH (BIG-Bench Hard)83.8%3-shot CoT
GPQA46.9%0-shot
IFEval81.6%prompt_strict
ARC95.7%challenge
MUSR64.3%0-shot
WinoGrande80.4%0-shot

定价

输入输出缓存读取缓存写入
————

每百万 token

优势

  • MMLU 得分 80.3，知识推理能力强。
  • HumanEval 81.7，代码生成能力出色。
  • GSM8K 85.9，数学推理稳健。
  • 支持文本、图像、音频多模态输入。

劣势

  • 闭源专有模型，不支持自托管。

适用场景

  • 代码生成与调试
  • 视觉与图像理解
  • Agent 工作流与工具调用

参考文献