Grok-2 Mini：完整基准性能指南

xai 2-mini 2024-08-13 Proprietary

深入分析 Grok-2 Mini 在 MMLU、HumanEval、GSM8K、MATH、BBH 等基准上的表现，包含定价与适用场景。

Key Specifications

Vendorxai
Version2-mini
Release Date2024-08-13
Context Window131072 tokens
Input Modalitiestext
Output Modalitiestext
LicenseProprietary
Documentationhttps://docs.x.ai/

Benchmark Performance

BenchmarkScoreUnitEvaluated AtNotesSource
MMLU80.6%2024-08-135-shotview
HUMANEVAL77.9pass@12024-08-13—view
GSM8K83.6%2024-08-130-shot CoTview
MATH45.1%2024-08-130-shot CoTview
BBH74.6%2024-08-133-shot CoTview
GPQA31.7%2024-08-130-shotview
IFEVAL73.5%2024-08-13prompt_strictview
ARC92.2%2024-08-13challengeview
MUSR51.4%2024-08-130-shotview
WINOGRANDE84.7%2024-08-130-shotview

Pricing

TierPriceCurrency
Input$0.1 / MtokUSD
Output$0.4 / MtokUSD
Cache Read$0 / MtokUSD
Cache Write$0 / MtokUSD

Source: https://x.ai/api · as of 2024-08-13

Compliance

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

Grok-2 Mini

模型概述

xAI Grok-2 Mini 经济型模型, 131K 上下文, 速度快成本低, 适合实时对话与高吞吐场景。

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
Xai2-mini2024-08-13131KtexttextProprietary

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)80.6%5-shot
HumanEval77.9pass@1—
GSM8K (Grade School Math 8K)83.6%0-shot CoT
MATH45.1%0-shot CoT
BBH (BIG-Bench Hard)74.6%3-shot CoT
GPQA31.7%0-shot
IFEval73.5%prompt_strict
ARC92.2%challenge
MUSR51.4%0-shot
WinoGrande84.7%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 80.6，知识推理能力强。

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

参考文献