Llama 2 13B：完整基准性能指南

meta 2-13b 2023-07-18 Llama 2 Community License

深入分析 Llama 2 13B 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meta
版本2-13b
发布日期2023-07-18
上下文窗口4096 tokens
输入模态text
输出模态text
许可Llama 2 Community License
文档https://llama.meta.com/docs/

基准测试表现

基准得分单位评测日期备注来源
MMLU56.4%2023-07-185-shot查看
HUMANEVAL40.7pass@12023-07-18—查看
GSM8K34.6%2023-07-180-shot CoT查看
MATH25.9%2023-07-180-shot CoT查看
BBH62.1%2023-07-183-shot CoT查看
GPQA22.3%2023-07-180-shot查看
IFEVAL49.9%2023-07-18prompt_strict查看
ARC89.5%2023-07-18challenge查看
MUSR33.8%2023-07-180-shot查看
WINOGRANDE76.4%2023-07-180-shot查看

定价

项目价格币种
输入$0.3 / MtokUSD
输出$0.3 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://ai.meta.com/blog/ · 截至 2023-07-18

合规性

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

Llama 2 13B

模型概述

Meta Llama 2 13B 中型开源模型, 4K 上下文, 13B 参数, 平衡性能与资源消耗, 适合中等规模部署。

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
Meta2-13b2023-07-184KtexttextLlama 2 Community License

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)56.4%5-shot
HumanEval40.7pass@1—
GSM8K (Grade School Math 8K)34.6%0-shot CoT
MATH25.9%0-shot CoT
BBH (BIG-Bench Hard)62.1%3-shot CoT
GPQA22.3%0-shot
IFEval49.9%prompt_strict
ARC89.5%challenge
MUSR33.8%0-shot
WinoGrande76.4%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 56.4，知识推理偏弱。
  • HumanEval 40.7，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