基准测试表现
| 基准 | 得分 | 单位 | 评测日期 | 备注 | 来源 |
|---|
| MMLU | 50.3 | % | 2022-11-30 | 5-shot | 查看 |
| HUMANEVAL | 28.2 | pass@1 | 2022-11-30 | — | 查看 |
| GSM8K | 56.6 | % | 2022-11-30 | 0-shot CoT | 查看 |
| MATH | 29.4 | % | 2022-11-30 | 0-shot CoT | 查看 |
| BBH | 63.9 | % | 2022-11-30 | 3-shot CoT | 查看 |
| GPQA | 26.9 | % | 2022-11-30 | 0-shot | 查看 |
| IFEVAL | 52.8 | % | 2022-11-30 | prompt_strict | 查看 |
| ARC | 81.8 | % | 2022-11-30 | challenge | 查看 |
| MUSR | 40.4 | % | 2022-11-30 | 0-shot | 查看 |
| WINOGRANDE | 72.7 | % | 2022-11-30 | 0-shot | 查看 |
合规性
- 数据驻留: US
- SOC2: ✓
- HIPAA: ✓
- GDPR: ✓
- ISO 27001: ✓
GPT-3.5
模型概述
OpenAI GPT-3.5 基础模型, 4K 上下文, ChatGPT 初始版本所用模型, 推理能力优于 GPT-3。
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 |
|---|
| Openai | 3.5 | 2022-11-30 | 4K | text | text | Proprietary |
基准测试表现
| 基准 | 得分 | 单位 | 备注 |
|---|
| MMLU (Massive Multitask Language Understanding) | 50.3 | % | 5-shot |
| HumanEval | 28.2 | pass@1 | — |
| GSM8K (Grade School Math 8K) | 56.6 | % | 0-shot CoT |
| MATH | 29.4 | % | 0-shot CoT |
| BBH (BIG-Bench Hard) | 63.9 | % | 3-shot CoT |
| GPQA | 26.9 | % | 0-shot |
| IFEval | 52.8 | % | prompt_strict |
| ARC | 81.8 | % | challenge |
| MUSR | 40.4 | % | 0-shot |
| WinoGrande | 72.7 | % | 0-shot |
定价
每百万 token
优势
劣势
- MMLU 仅 50.3，知识推理偏弱。
- HumanEval 28.2，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
参考文献