Flan-T5 XXL：完整基准性能指南

other flan-t5-xxl 2022-12-07 Apache 2.0

深入分析 Flan-T5 XXL 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flan-t5-xxl
发布日期2022-12-07
上下文窗口4096 tokens
输入模态text
输出模态text
许可Apache 2.0
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 52 % 2022-12-07 5-shot 查看
HUMANEVAL 35.4 pass@1 2022-12-07 — 查看
GSM8K 35.2 % 2022-12-07 0-shot CoT 查看
MATH 21.4 % 2022-12-07 0-shot CoT 查看
BBH 60.5 % 2022-12-07 3-shot CoT 查看
GPQA 28.6 % 2022-12-07 0-shot 查看
IFEVAL 51.3 % 2022-12-07 prompt_strict 查看
ARC 81.7 % 2022-12-07 challenge 查看
MUSR 42.2 % 2022-12-07 0-shot 查看
WINOGRANDE 74.2 % 2022-12-07 0-shot 查看

定价

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

数据来源: https://huggingface.co/models · 截至 2022-12-07

合规性

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

Flan-T5 XXL

模型概述

Google Flan-T5 XXL 11B 指令微调模型, 4K 上下文, 多任务指令微调, 零样本能力突出。

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
Other flan-t5-xxl 2022-12-07 4K text text Apache 2.0

基准测试表现

基准 得分 单位 备注
MMLU (Massive Multitask Language Understanding) 52.0 % 5-shot
HumanEval 35.4 pass@1 —
GSM8K (Grade School Math 8K) 35.2 % 0-shot CoT
MATH 21.4 % 0-shot CoT
BBH (BIG-Bench Hard) 60.5 % 3-shot CoT
GPQA 28.6 % 0-shot
IFEval 51.3 % prompt_strict
ARC 81.7 % challenge
MUSR 42.2 % 0-shot
WinoGrande 74.2 % 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 52.0，知识推理偏弱。
  • HumanEval 35.4，代码能力较弱。
  • 闭源专有模型，不支持自托管。
  • 上下文窗口 4K 偏小。

适用场景

  • 通用对话与问答

参考文献