Falcon 40B：完整基准性能指南

other falcon-40b 2023-05-25 TII Falcon LLM License

深入分析 Falcon 40B 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other
版本falcon-40b
发布日期2023-05-25
上下文窗口2048 tokens
输入模态text
输出模态text
许可TII Falcon LLM License
文档https://huggingface.co/models

基准测试表现

基准 得分 单位 评测日期 备注 来源
MMLU 56.7 % 2023-05-25 5-shot 查看
HUMANEVAL 39.7 pass@1 2023-05-25 — 查看
GSM8K 61.3 % 2023-05-25 0-shot CoT 查看
MATH 21.3 % 2023-05-25 0-shot CoT 查看
BBH 50.6 % 2023-05-25 3-shot CoT 查看
GPQA 21.1 % 2023-05-25 0-shot 查看
IFEVAL 57.2 % 2023-05-25 prompt_strict 查看
ARC 82.9 % 2023-05-25 challenge 查看
MUSR 38.1 % 2023-05-25 0-shot 查看
WINOGRANDE 65.6 % 2023-05-25 0-shot 查看

定价

项目 价格 币种
输入$0.4 / MtokUSD
输出$0.4 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://huggingface.co/models · 截至 2023-05-25

合规性

  • 数据驻留: self-host
  • SOC2: ✗
  • HIPAA: ✗
  • GDPR: ✗
  • ISO 27001: ✗

Falcon 40B

模型概述

TII Falcon 40B 中型开源模型, 2K 上下文, 400 亿参数, 在 40B 规模上曾领先 Llama 2 70B。

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
Other falcon-40b 2023-05-25 2K text text TII Falcon LLM License

基准测试表现

基准 得分 单位 备注
MMLU (Massive Multitask Language Understanding) 56.7 % 5-shot
HumanEval 39.7 pass@1 —
GSM8K (Grade School Math 8K) 61.3 % 0-shot CoT
MATH 21.3 % 0-shot CoT
BBH (BIG-Bench Hard) 50.6 % 3-shot CoT
GPQA 21.1 % 0-shot
IFEval 57.2 % prompt_strict
ARC 82.9 % challenge
MUSR 38.1 % 0-shot
WinoGrande 65.6 % 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

  • MMLU 仅 56.7，知识推理偏弱。
  • HumanEval 39.7，代码能力较弱。
  • 闭源专有模型，不支持自托管。
  • 上下文窗口 2K 偏小。

适用场景

  • 通用对话与问答

参考文献