基准测试表现
| 基准 | 得分 | 单位 | 评测日期 | 备注 | 来源 |
|---|
| MMLU | 56.7 | % | 2023-05-25 | 5-shot | 查看 |
| HUMANEVAL | 39.7 | pass@1 | 2023-05-25 | — | 查看 |
| GSM8K | 61.3 | % | 2023-05-25 | 0-shot CoT | 查看 |
| MATH | 21.3 | % | 2023-05-25 | 0-shot CoT | 查看 |
| BBH | 50.6 | % | 2023-05-25 | 3-shot CoT | 查看 |
| GPQA | 21.1 | % | 2023-05-25 | 0-shot | 查看 |
| IFEVAL | 57.2 | % | 2023-05-25 | prompt_strict | 查看 |
| ARC | 82.9 | % | 2023-05-25 | challenge | 查看 |
| MUSR | 38.1 | % | 2023-05-25 | 0-shot | 查看 |
| WINOGRANDE | 65.6 | % | 2023-05-25 | 0-shot | 查看 |
合规性
- 数据驻留: self-host
- SOC2: ✗
- HIPAA: ✗
- GDPR: ✗
- ISO 27001: ✗
Falcon 40B
模型概述
TII Falcon 40B 中型开源模型, 2K 上下文, 400 亿参数, 在 40B 规模上曾领先 Llama 2 70B。
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 | falcon-40b | 2023-05-25 | 2K | text | text | TII Falcon LLM License |
基准测试表现
| 基准 | 得分 | 单位 | 备注 |
|---|
| MMLU (Massive Multitask Language Understanding) | 56.7 | % | 5-shot |
| HumanEval | 39.7 | pass@1 | — |
| GSM8K (Grade School Math 8K) | 61.3 | % | 0-shot CoT |
| MATH | 21.3 | % | 0-shot CoT |
| BBH (BIG-Bench Hard) | 50.6 | % | 3-shot CoT |
| GPQA | 21.1 | % | 0-shot |
| IFEval | 57.2 | % | prompt_strict |
| ARC | 82.9 | % | challenge |
| MUSR | 38.1 | % | 0-shot |
| WinoGrande | 65.6 | % | 0-shot |
定价
每百万 token
优势
劣势
- MMLU 仅 56.7，知识推理偏弱。
- HumanEval 39.7，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
参考文献