Mixtral 8x7B：完整基准性能指南

mistral 8x7b 2023-12-11 Apache 2.0

深入分析 Mixtral 8x7B 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mistral
版本8x7b
发布日期2023-12-11
上下文窗口32000 tokens
输入模态text
输出模态text
许可Apache 2.0
文档https://docs.mistral.ai/

基准测试表现

基准得分单位评测日期备注来源
MMLU77.2%2023-12-115-shot查看
HUMANEVAL79pass@12023-12-11—查看
GSM8K79.7%2023-12-110-shot CoT查看
MATH38%2023-12-110-shot CoT查看
BBH78.4%2023-12-113-shot CoT查看
GPQA43%2023-12-110-shot查看
IFEVAL72.1%2023-12-11prompt_strict查看
ARC91.6%2023-12-11challenge查看
MUSR53.5%2023-12-110-shot查看
WINOGRANDE82%2023-12-110-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://mistral.ai/technology/ · 截至 2023-12-11

合规性

  • 数据驻留: EU
  • SOC2: ✓
  • HIPAA: ✗
  • GDPR: ✓
  • ISO 27001: ✓

Mixtral 8x7B

模型概述

Mistral Mixtral 8x7B 首个开源 MoE 模型, 总参 47B/活跃 13B, 32K 上下文, 性能接近 GPT-3.5。

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
Mistral8x7b2023-12-1132KtexttextApache 2.0

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)77.2%5-shot
HumanEval79.0pass@1—
GSM8K (Grade School Math 8K)79.7%0-shot CoT
MATH38.0%0-shot CoT
BBH (BIG-Bench Hard)78.4%3-shot CoT
GPQA43.0%0-shot
IFEval72.1%prompt_strict
ARC91.6%challenge
MUSR53.5%0-shot
WinoGrande82.0%0-shot

定价

输入输出缓存读取缓存写入
————

每百万 token

优势

  • 采用 MoE 混合专家架构。

劣势

  • 闭源专有模型，不支持自托管。

适用场景

  • 代码生成与调试

参考文献