Qwen2.5 3B：完整基准性能指南

alibaba 2.5-3b 2024-09-19 Qwen License

深入分析 Qwen2.5 3B 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2.5-3b
发布日期2024-09-19
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 56.8 % 2024-09-19 5-shot 查看
HUMANEVAL 49 pass@1 2024-09-19 — 查看
GSM8K 31.3 % 2024-09-19 0-shot CoT 查看
MATH 17 % 2024-09-19 0-shot CoT 查看
BBH 48.8 % 2024-09-19 3-shot CoT 查看
GPQA 18 % 2024-09-19 0-shot 查看
IFEVAL 56 % 2024-09-19 prompt_strict 查看
ARC 76.5 % 2024-09-19 challenge 查看
MUSR 23.3 % 2024-09-19 0-shot 查看
WINOGRANDE 61.4 % 2024-09-19 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://help.aliyun.com/zh/model-studio/getting-started/models · 截至 2024-09-19

合规性

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

Qwen2.5 3B

模型概述

阿里巴巴 Qwen2.5 3B 轻量开源模型, 32K 上下文, 3B 参数, 适合移动设备与边缘部署。

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
Alibaba 2.5-3b 2024-09-19 32K text text Qwen License

基准测试表现

基准 得分 单位 备注
MMLU (Massive Multitask Language Understanding) 56.8 % 5-shot
HumanEval 49.0 pass@1 —
GSM8K (Grade School Math 8K) 31.3 % 0-shot CoT
MATH 17.0 % 0-shot CoT
BBH (BIG-Bench Hard) 48.8 % 3-shot CoT
GPQA 18.0 % 0-shot
IFEval 56.0 % prompt_strict
ARC 76.5 % challenge
MUSR 23.3 % 0-shot
WinoGrande 61.4 % 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 56.8，知识推理偏弱。
  • HumanEval 49.0，代码能力较弱。
  • 闭源专有模型，不支持自托管。

适用场景

  • 通用对话与问答

参考文献