Code Bison：完整基准性能指南

google code-bison 2023-05-10 Proprietary

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

核心规格

厂商google
版本code-bison
发布日期2023-05-10
上下文窗口8192 tokens
输入模态text
输出模态text
许可Proprietary
文档https://ai.google.dev/gemini-api/docs

基准测试表现

基准 得分 单位 评测日期 备注 来源
MMLU 65 % 2023-05-10 5-shot 查看
HUMANEVAL 76.2 pass@1 2023-05-10 — 查看
GSM8K 55 % 2023-05-10 0-shot CoT 查看
MATH 34.4 % 2023-05-10 0-shot CoT 查看
BBH 71.4 % 2023-05-10 3-shot CoT 查看
GPQA 29.1 % 2023-05-10 0-shot 查看
IFEVAL 59.2 % 2023-05-10 prompt_strict 查看
ARC 86.1 % 2023-05-10 challenge 查看
MUSR 49.8 % 2023-05-10 0-shot 查看
WINOGRANDE 77.9 % 2023-05-10 0-shot 查看

定价

项目 价格 币种
输入$0.5 / MtokUSD
输出$1 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://ai.google.dev/pricing · 截至 2023-05-10

合规性

  • 数据驻留: US
  • SOC2: ✓
  • HIPAA: ✗
  • GDPR: ✓
  • ISO 27001: ✓

Code Bison

模型概述

Google Vertex AI Code Bison 代码生成模型, 基于 PaLM 2, 8K 上下文, 支持多语言代码生成与补全。

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
Google code-bison 2023-05-10 8K text text Proprietary

基准测试表现

基准 得分 单位 备注
MMLU (Massive Multitask Language Understanding) 65.0 % 5-shot
HumanEval 76.2 pass@1 —
GSM8K (Grade School Math 8K) 55.0 % 0-shot CoT
MATH 34.4 % 0-shot CoT
BBH (BIG-Bench Hard) 71.4 % 3-shot CoT
GPQA 29.1 % 0-shot
IFEval 59.2 % prompt_strict
ARC 86.1 % challenge
MUSR 49.8 % 0-shot
WinoGrande 77.9 % 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。
  • 上下文窗口 8K 偏小。

适用场景

  • 代码生成与调试

参考文献