Phi-3.5 Mini：完整基准性能指南

other phi-3-5-mini 2024-08-16 MIT

深入分析 Phi-3.5 Mini 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-3-5-mini
发布日期2024-08-16
上下文窗口128000 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 55.7 % 2024-08-16 5-shot 查看
HUMANEVAL 44 pass@1 2024-08-16 — 查看
GSM8K 22.1 % 2024-08-16 0-shot CoT 查看
MATH 9.6 % 2024-08-16 0-shot CoT 查看
BBH 47.5 % 2024-08-16 3-shot CoT 查看
GPQA 24.4 % 2024-08-16 0-shot 查看
IFEVAL 48.7 % 2024-08-16 prompt_strict 查看
ARC 81.5 % 2024-08-16 challenge 查看
MUSR 31.2 % 2024-08-16 0-shot 查看
WINOGRANDE 68.6 % 2024-08-16 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 2024-08-16

合规性

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

Phi-3.5 Mini

模型概述

Microsoft Phi-3.5 Mini 3.8B 模型, 128K 上下文, 改进多语言与长上下文能力, 适合边缘部署。

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-3-5-mini 2024-08-16 128K text text MIT

基准测试表现

基准 得分 单位 备注
MMLU (Massive Multitask Language Understanding) 55.7 % 5-shot
HumanEval 44.0 pass@1 —
GSM8K (Grade School Math 8K) 22.1 % 0-shot CoT
MATH 9.6 % 0-shot CoT
BBH (BIG-Bench Hard) 47.5 % 3-shot CoT
GPQA 24.4 % 0-shot
IFEval 48.7 % prompt_strict
ARC 81.5 % challenge
MUSR 31.2 % 0-shot
WinoGrande 68.6 % 0-shot

定价

输入 输出 缓存读取 缓存写入
— — — —

每百万 token

优势

  • 上下文窗口 128K，支持长文本。

劣势

  • MMLU 仅 55.7，知识推理偏弱。
  • HumanEval 44.0，代码能力较弱。
  • 闭源专有模型，不支持自托管。

适用场景

  • 长文档摘要

参考文献