PaLM 2：完整基准性能指南

google palm-2 2023-05-10 Proprietary

深入分析 PaLM 2 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google
版本palm-2
发布日期2023-05-10
上下文窗口8192 tokens
输入模态text
输出模态text
许可Proprietary
文档https://ai.google.dev/gemini-api/docs

基准测试表现

基准得分单位评测日期备注来源
MMLU68.4%2023-05-105-shot查看
HUMANEVAL44.8pass@12023-05-10—查看
GSM8K49%2023-05-100-shot CoT查看
MATH29.9%2023-05-100-shot CoT查看
BBH52.9%2023-05-103-shot CoT查看
GPQA20.3%2023-05-100-shot查看
IFEVAL44.7%2023-05-10prompt_strict查看
ARC89.2%2023-05-10challenge查看
MUSR29.3%2023-05-100-shot查看
WINOGRANDE68.6%2023-05-100-shot查看

定价

项目价格币种
输入$1 / MtokUSD
输出$2 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://ai.google.dev/pricing · 截至 2023-05-10

合规性

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

PaLM 2

模型概述

Google PaLM 2 大型语言模型, 8K 上下文, 改进多语言/推理/编码能力, Bard 初始版本所用模型。

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
Googlepalm-22023-05-108KtexttextProprietary

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)68.4%5-shot
HumanEval44.8pass@1—
GSM8K (Grade School Math 8K)49.0%0-shot CoT
MATH29.9%0-shot CoT
BBH (BIG-Bench Hard)52.9%3-shot CoT
GPQA20.3%0-shot
IFEval44.7%prompt_strict
ARC89.2%challenge
MUSR29.3%0-shot
WinoGrande68.6%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

  • HumanEval 44.8，代码能力较弱。
  • 闭源专有模型，不支持自托管。
  • 上下文窗口 8K 偏小。

适用场景

  • 通用对话与问答

参考文献