Qwen2.5 14B：完整基准性能指南

alibaba 2.5-14b 2024-09-19 Qwen License

深入分析 Qwen2.5 14B 在 MMLU、HumanEval、GSM8K、MATH、BBH 等基准上的表现，包含定价与适用场景。

Key Specifications

Vendoralibaba
Version2.5-14b
Release Date2024-09-19
Context Window131072 tokens
Input Modalitiestext
Output Modalitiestext
LicenseQwen License
Documentationhttps://qwenlm.github.io/

Benchmark Performance

BenchmarkScoreUnitEvaluated AtNotesSource
MMLU75.4%2024-09-195-shotview
HUMANEVAL72pass@12024-09-19—view
GSM8K84%2024-09-190-shot CoTview
MATH38.8%2024-09-190-shot CoTview
BBH72.2%2024-09-193-shot CoTview
GPQA44.5%2024-09-190-shotview
IFEVAL74.1%2024-09-19prompt_strictview
ARC94.2%2024-09-19challengeview
MUSR50.5%2024-09-190-shotview
WINOGRANDE84.7%2024-09-190-shotview

Pricing

TierPriceCurrency
Input$0.25 / MtokUSD
Output$0.35 / MtokUSD
Cache Read$0 / MtokUSD
Cache Write$0 / MtokUSD

Source: https://help.aliyun.com/zh/model-studio/getting-started/models · as of 2024-09-19

Compliance

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

Qwen2.5 14B

模型概述

阿里巴巴 Qwen2.5 14B 开源中型模型, 131K 上下文, 平衡性能与资源, 适合企业级部署。

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
Alibaba2.5-14b2024-09-19131KtexttextQwen License

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)75.4%5-shot
HumanEval72.0pass@1—
GSM8K (Grade School Math 8K)84.0%0-shot CoT
MATH38.8%0-shot CoT
BBH (BIG-Bench Hard)72.2%3-shot CoT
GPQA44.5%0-shot
IFEval74.1%prompt_strict
ARC94.2%challenge
MUSR50.5%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

  • 可靠的通用模型。

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