StableLM Zephyr 3B：完整基准性能指南

other stablelm-zephyr-3b 2024-01-19 Stability AI Community License

深入分析 StableLM Zephyr 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other
版本stablelm-zephyr-3b
发布日期2024-01-19
上下文窗口4096 tokens
输入模态text
输出模态text
许可Stability AI Community License
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 44.3 % 2024-01-19 5-shot 查看
HUMANEVAL 47.1 pass@1 2024-01-19 — 查看
GSM8K 36.2 % 2024-01-19 0-shot CoT 查看
MATH 14.9 % 2024-01-19 0-shot CoT 查看
BBH 43.9 % 2024-01-19 3-shot CoT 查看
GPQA 21 % 2024-01-19 0-shot 查看
IFEVAL 55.3 % 2024-01-19 prompt_strict 查看
ARC 82.1 % 2024-01-19 challenge 查看
MUSR 23.5 % 2024-01-19 0-shot 查看
WINOGRANDE 71.6 % 2024-01-19 0-shot 查看

定价

项目 价格 币种
输入$0.12 / MtokUSD
输出$0.12 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://huggingface.co/models · 截至 2024-01-19

合规性

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

StableLM Zephyr 3B

模型概述

Stability AI StableLM Zephyr 3B 对话微调模型, 4K 上下文, 基于 StableLM 2 1.6B DPO 微调。

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 stablelm-zephyr-3b 2024-01-19 4K text text Stability AI Community License

基准测试表现

基准 得分 单位 备注
MMLU (Massive Multitask Language Understanding) 44.3 % 5-shot
HumanEval 47.1 pass@1 —
GSM8K (Grade School Math 8K) 36.2 % 0-shot CoT
MATH 14.9 % 0-shot CoT
BBH (BIG-Bench Hard) 43.9 % 3-shot CoT
GPQA 21.0 % 0-shot
IFEval 55.3 % prompt_strict
ARC 82.1 % challenge
MUSR 23.5 % 0-shot
WinoGrande 71.6 % 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 44.3，知识推理偏弱。
  • HumanEval 47.1，代码能力较弱。
  • 闭源专有模型，不支持自托管。
  • 上下文窗口 4K 偏小。

适用场景

  • 通用对话与问答

参考文献