Flan-UL2：完整基准性能指南

other flan-ul2 2023-03-03 Apache 2.0

深入分析 Flan-UL2 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-ul2
发布日期2023-03-03
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
MMLU58.7%2023-03-035-shot查看
HUMANEVAL46.8pass@12023-03-03—查看
GSM8K40.6%2023-03-030-shot CoT查看
MATH22%2023-03-030-shot CoT查看
BBH49.2%2023-03-033-shot CoT查看
GPQA27.2%2023-03-030-shot查看
IFEVAL55.6%2023-03-03prompt_strict查看
ARC88.8%2023-03-03challenge查看
MUSR37.2%2023-03-030-shot查看
WINOGRANDE76.2%2023-03-030-shot查看

定价

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

数据来源: https://huggingface.co/models · 截至 2023-03-03

合规性

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

Flan-UL2

模型概述

Google Flan-UL2 20B 指令微调模型, 4K 上下文, 基于 UL2 框架, 适合多任务与零样本推理。

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-ul22023-03-034KtexttextApache 2.0

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)58.7%5-shot
HumanEval46.8pass@1—
GSM8K (Grade School Math 8K)40.6%0-shot CoT
MATH22.0%0-shot CoT
BBH (BIG-Bench Hard)49.2%3-shot CoT
GPQA27.2%0-shot
IFEval55.6%prompt_strict
ARC88.8%challenge
MUSR37.2%0-shot
WinoGrande76.2%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 58.7，知识推理偏弱。
  • HumanEval 46.8，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