Jurassic-2 Mid：完整基准性能指南

other j2-mid 2023-01-12 Proprietary

深入分析 Jurassic-2 Mid 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j2-mid
发布日期2023-01-12
上下文窗口8192 tokens
输入模态text
输出模态text
许可Proprietary
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 55.9 % 2023-01-12 5-shot 查看
HUMANEVAL 39.7 pass@1 2023-01-12 — 查看
GSM8K 33.2 % 2023-01-12 0-shot CoT 查看
MATH 20.3 % 2023-01-12 0-shot CoT 查看
BBH 51.8 % 2023-01-12 3-shot CoT 查看
GPQA 25.7 % 2023-01-12 0-shot 查看
IFEVAL 49.8 % 2023-01-12 prompt_strict 查看
ARC 86 % 2023-01-12 challenge 查看
MUSR 32.3 % 2023-01-12 0-shot 查看
WINOGRANDE 67.1 % 2023-01-12 0-shot 查看

定价

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

数据来源: https://huggingface.co/models · 截至 2023-01-12

合规性

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

Jurassic-2 Mid

模型概述

AI21 Labs Jurassic-2 Mid 中型模型, 8K 上下文, 多语言文本生成, 适合企业级内容创作。

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 j2-mid 2023-01-12 8K text text Proprietary

基准测试表现

基准 得分 单位 备注
MMLU (Massive Multitask Language Understanding) 55.9 % 5-shot
HumanEval 39.7 pass@1 —
GSM8K (Grade School Math 8K) 33.2 % 0-shot CoT
MATH 20.3 % 0-shot CoT
BBH (BIG-Bench Hard) 51.8 % 3-shot CoT
GPQA 25.7 % 0-shot
IFEval 49.8 % prompt_strict
ARC 86.0 % challenge
MUSR 32.3 % 0-shot
WinoGrande 67.1 % 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 55.9，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 8K 偏小。

适用场景

  • 通用对话与问答

参考文献