Flan-T5 XXL：完整基准性能指南

other flan-t5-xxl 2022-12-07 Apache 2.0

深入分析 Flan-T5 XXL 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flan-t5-xxl
发布日期2022-12-07
上下文窗口4096 tokens
输入模态text
输出模态text
许可Apache 2.0
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
MMLU52%2022-12-075-shot查看
HUMANEVAL35.4pass@12022-12-07—查看
GSM8K35.2%2022-12-070-shot CoT查看
MATH21.4%2022-12-070-shot CoT查看
BBH60.5%2022-12-073-shot CoT查看
GPQA28.6%2022-12-070-shot查看
IFEVAL51.3%2022-12-07prompt_strict查看
ARC81.7%2022-12-07challenge查看
MUSR42.2%2022-12-070-shot查看
WINOGRANDE74.2%2022-12-070-shot查看

定价

项目价格币种
输入$0.5 / MtokUSD
输出$0.5 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://huggingface.co/models · 截至 2022-12-07

合规性

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

Flan-T5 XXL

模型概述

Google Flan-T5 XXL 11B 指令微调模型, 4K 上下文, 多任务指令微调, 零样本能力突出。

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
Otherflan-t5-xxl2022-12-074KtexttextApache 2.0

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)52.0%5-shot
HumanEval35.4pass@1—
GSM8K (Grade School Math 8K)35.2%0-shot CoT
MATH21.4%0-shot CoT
BBH (BIG-Bench Hard)60.5%3-shot CoT
GPQA28.6%0-shot
IFEval51.3%prompt_strict
ARC81.7%challenge
MUSR42.2%0-shot
WinoGrande74.2%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 52.0，知识推理偏弱。
  • HumanEval 35.4，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