Phi-1.5：完整基准性能指南

other phi-1-5 2023-09-14 MIT

深入分析 Phi-1.5 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phi-1-5
发布日期2023-09-14
上下文窗口2048 tokens
输入模态text
输出模态text
许可MIT
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 58.4 % 2023-09-14 5-shot 查看
HUMANEVAL 39.2 pass@1 2023-09-14 — 查看
GSM8K 34.2 % 2023-09-14 0-shot CoT 查看
MATH 27.2 % 2023-09-14 0-shot CoT 查看
BBH 49.5 % 2023-09-14 3-shot CoT 查看
GPQA 16.9 % 2023-09-14 0-shot 查看
IFEVAL 48 % 2023-09-14 prompt_strict 查看
ARC 75.9 % 2023-09-14 challenge 查看
MUSR 30.3 % 2023-09-14 0-shot 查看
WINOGRANDE 74.1 % 2023-09-14 0-shot 查看

定价

项目 价格 币种
输入$0.1 / MtokUSD
输出$0.1 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://huggingface.co/models · 截至 2023-09-14

合规性

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

Phi-1.5

模型概述

Microsoft Phi-1.5 1.3B 模型, 2K 上下文, 改进推理能力, 在 1.3B 规模上接近 7B 模型水平。

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 phi-1-5 2023-09-14 2K text text MIT

基准测试表现

基准 得分 单位 备注
MMLU (Massive Multitask Language Understanding) 58.4 % 5-shot
HumanEval 39.2 pass@1 —
GSM8K (Grade School Math 8K) 34.2 % 0-shot CoT
MATH 27.2 % 0-shot CoT
BBH (BIG-Bench Hard) 49.5 % 3-shot CoT
GPQA 16.9 % 0-shot
IFEval 48.0 % prompt_strict
ARC 75.9 % challenge
MUSR 30.3 % 0-shot
WinoGrande 74.1 % 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 58.4，知识推理偏弱。
  • HumanEval 39.2，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