Qwen1.5 110B：完整基准性能指南

alibaba 1.5-110b 2024-02-25 Qwen License

深入分析 Qwen1.5 110B 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alibaba
版本1.5-110b
发布日期2024-02-25
上下文窗口32768 tokens
输入模态text
输出模态text
许可Qwen License
文档https://qwenlm.github.io/

基准测试表现

基准 得分 单位 评测日期 备注 来源
MMLU 86.1 % 2024-02-25 5-shot 查看
HUMANEVAL 76.5 pass@1 2024-02-25 — 查看
GSM8K 80.6 % 2024-02-25 0-shot CoT 查看
MATH 54.1 % 2024-02-25 0-shot CoT 查看
BBH 82.3 % 2024-02-25 3-shot CoT 查看
GPQA 45.9 % 2024-02-25 0-shot 查看
IFEVAL 83.4 % 2024-02-25 prompt_strict 查看
ARC 95.7 % 2024-02-25 challenge 查看
MUSR 63.9 % 2024-02-25 0-shot 查看
WINOGRANDE 84 % 2024-02-25 0-shot 查看

定价

项目 价格 币种
输入$0.7 / MtokUSD
输出$1.2 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://help.aliyun.com/zh/model-studio/getting-started/models · 截至 2024-02-25

合规性

  • 数据驻留: CN
  • SOC2: ✗
  • HIPAA: ✗
  • GDPR: ✗
  • ISO 27001: ✗

Qwen1.5 110B

模型概述

阿里巴巴 Qwen1.5 110B 开源超大模型, 32K 上下文, 在中文与多语言基准上表现突出。

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
Alibaba 1.5-110b 2024-02-25 32K text text Qwen License

基准测试表现

基准 得分 单位 备注
MMLU (Massive Multitask Language Understanding) 86.1 % 5-shot
HumanEval 76.5 pass@1 —
GSM8K (Grade School Math 8K) 80.6 % 0-shot CoT
MATH 54.1 % 0-shot CoT
BBH (BIG-Bench Hard) 82.3 % 3-shot CoT
GPQA 45.9 % 0-shot
IFEval 83.4 % prompt_strict
ARC 95.7 % challenge
MUSR 63.9 % 0-shot
WinoGrande 84.0 % 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 86.1，知识推理能力强。

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

参考文献