Orca 2 13B：完整基准性能指南

other orca-2-13b 2023-11-20 MIT

深入分析 Orca 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other
版本orca-2-13b
发布日期2023-11-20
上下文窗口4096 tokens
输入模态text
输出模态text
许可MIT
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
MMLU78.4%2023-11-205-shot查看
HUMANEVAL74.3pass@12023-11-20—查看
GSM8K84.1%2023-11-200-shot CoT查看
MATH42.3%2023-11-200-shot CoT查看
BBH70.8%2023-11-203-shot CoT查看
GPQA42.5%2023-11-200-shot查看
IFEVAL74.2%2023-11-20prompt_strict查看
ARC91.4%2023-11-20challenge查看
MUSR59.8%2023-11-200-shot查看
WINOGRANDE80.2%2023-11-200-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://huggingface.co/models · 截至 2023-11-20

合规性

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

Orca 2 13B

模型概述

Microsoft Orca 2 13B 推理增强模型, 4K 上下文, 基于 Llama 2 微调, 通过渐进式复杂任务训练提升推理。

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
Otherorca-2-13b2023-11-204KtexttextMIT

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)78.4%5-shot
HumanEval74.3pass@1—
GSM8K (Grade School Math 8K)84.1%0-shot CoT
MATH42.3%0-shot CoT
BBH (BIG-Bench Hard)70.8%3-shot CoT
GPQA42.5%0-shot
IFEval74.2%prompt_strict
ARC91.4%challenge
MUSR59.8%0-shot
WinoGrande80.2%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

  • 闭源专有模型，不支持自托管。
  • 上下文窗口 4K 偏小。

适用场景

  • 代码生成与调试

参考文献