Phi-3.5 Mini：完整基准性能指南

other phi-3-5-mini 2024-08-16 MIT

深入分析 Phi-3.5 Mini 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-3-5-mini
发布日期2024-08-16
上下文窗口128000 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
MMLU55.7%2024-08-165-shot查看
HUMANEVAL44pass@12024-08-16—查看
GSM8K22.1%2024-08-160-shot CoT查看
MATH9.6%2024-08-160-shot CoT查看
BBH47.5%2024-08-163-shot CoT查看
GPQA24.4%2024-08-160-shot查看
IFEVAL48.7%2024-08-16prompt_strict查看
ARC81.5%2024-08-16challenge查看
MUSR31.2%2024-08-160-shot查看
WINOGRANDE68.6%2024-08-160-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 2024-08-16

合规性

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

Phi-3.5 Mini

模型概述

Microsoft Phi-3.5 Mini 3.8B 模型, 128K 上下文, 改进多语言与长上下文能力, 适合边缘部署。

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
Otherphi-3-5-mini2024-08-16128KtexttextMIT

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)55.7%5-shot
HumanEval44.0pass@1—
GSM8K (Grade School Math 8K)22.1%0-shot CoT
MATH9.6%0-shot CoT
BBH (BIG-Bench Hard)47.5%3-shot CoT
GPQA24.4%0-shot
IFEval48.7%prompt_strict
ARC81.5%challenge
MUSR31.2%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

  • 上下文窗口 128K，支持长文本。

劣势

  • MMLU 仅 55.7，知识推理偏弱。
  • HumanEval 44.0，代码能力较弱。
  • 闭源专有模型，不支持自托管。

适用场景

  • 长文档摘要

参考文献