Phi-1：完整基准性能指南

other phi-1 2023-09-14 MIT

深入分析 Phi-1 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phi-1
发布日期2023-09-14
上下文窗口2048 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
MMLU68.1%2023-09-145-shot查看
HUMANEVAL88.1pass@12023-09-14—查看
GSM8K51.6%2023-09-140-shot CoT查看
MATH25.2%2023-09-140-shot CoT查看
BBH69.9%2023-09-143-shot CoT查看
GPQA22.1%2023-09-140-shot查看
IFEVAL53.8%2023-09-14prompt_strict查看
ARC88.4%2023-09-14challenge查看
MUSR49%2023-09-140-shot查看
WINOGRANDE74.5%2023-09-140-shot查看

定价

项目价格币种
输入$0.1 / MtokUSD
输出$0.1 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://huggingface.co/models · 截至 2023-09-14

合规性

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

Phi-1

模型概述

Microsoft Phi-1 1.3B 代码模型, 2K 上下文, 专为代码生成训练, 在 1.3B 规模上 HumanEval 表现突出。

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
Otherphi-12023-09-142KtexttextMIT

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)68.1%5-shot
HumanEval88.1pass@1—
GSM8K (Grade School Math 8K)51.6%0-shot CoT
MATH25.2%0-shot CoT
BBH (BIG-Bench Hard)69.9%3-shot CoT
GPQA22.1%0-shot
IFEval53.8%prompt_strict
ARC88.4%challenge
MUSR49.0%0-shot
WinoGrande74.5%0-shot

定价

输入输出缓存读取缓存写入
————

每百万 token

优势

  • HumanEval 88.1，代码生成能力出色。

劣势

  • 闭源专有模型，不支持自托管。
  • 上下文窗口 2K 偏小。

适用场景

  • 代码生成与调试

参考文献