Gemini 1.0 Ultra：完整基准性能指南

google 1.0-ultra 2023-12-06 Proprietary

深入分析 Gemini 1.0 Ultra 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1.0-ultra
发布日期2023-12-06
上下文窗口32768 tokens
输入模态text, image
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 80.3 % 2023-12-06 5-shot 查看
HUMANEVAL 81.7 pass@1 2023-12-06 — 查看
GSM8K 85.9 % 2023-12-06 0-shot CoT 查看
MATH 57.1 % 2023-12-06 0-shot CoT 查看
BBH 83.8 % 2023-12-06 3-shot CoT 查看
GPQA 46.9 % 2023-12-06 0-shot 查看
IFEVAL 81.6 % 2023-12-06 prompt_strict 查看
ARC 95.7 % 2023-12-06 challenge 查看
MUSR 64.3 % 2023-12-06 0-shot 查看
WINOGRANDE 80.4 % 2023-12-06 0-shot 查看

定价

项目 价格 币种
输入$7 / MtokUSD
输出$21 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://ai.google.dev/pricing · 截至 2023-12-06

合规性

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

Gemini 1.0 Ultra

模型概述

Google Gemini 1.0 Ultra 旗舰模型, 32K 上下文, 在多项基准上接近 GPT-4, 多模态推理能力突出。

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
Google 1.0-ultra 2023-12-06 32K text, image text Proprietary

基准测试表现

基准 得分 单位 备注
MMLU (Massive Multitask Language Understanding) 80.3 % 5-shot
HumanEval 81.7 pass@1 —
GSM8K (Grade School Math 8K) 85.9 % 0-shot CoT
MATH 57.1 % 0-shot CoT
BBH (BIG-Bench Hard) 83.8 % 3-shot CoT
GPQA 46.9 % 0-shot
IFEval 81.6 % prompt_strict
ARC 95.7 % challenge
MUSR 64.3 % 0-shot
WinoGrande 80.4 % 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 80.3，知识推理能力强。
  • HumanEval 81.7，代码生成能力出色。
  • GSM8K 85.9，数学推理稳健。
  • 支持文本、图像、音频多模态输入。

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
  • 视觉与图像理解
  • Agent 工作流与工具调用

参考文献