Phi-3 Mini：完整基准性能指南

other phi-3-mini 2024-04-22 MIT

深入分析 Phi-3 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-mini
发布日期2024-04-22
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
MMLU43.6%2024-04-225-shot查看
HUMANEVAL26.9pass@12024-04-22—查看
GSM8K40.9%2024-04-220-shot CoT查看
MATH17.9%2024-04-220-shot CoT查看
BBH55.9%2024-04-223-shot CoT查看
GPQA20.7%2024-04-220-shot查看
IFEVAL54.9%2024-04-22prompt_strict查看
ARC84.4%2024-04-22challenge查看
MUSR33.5%2024-04-220-shot查看
WINOGRANDE67.1%2024-04-220-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 2024-04-22

合规性

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

Phi-3 Mini

模型概述

Microsoft Phi-3 Mini 3.8B 轻量模型, 4K 上下文 (可扩展 128K), 训练数据高质量, 性能超越 Llama 2 7B。

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-mini2024-04-224KtexttextMIT

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)43.6%5-shot
HumanEval26.9pass@1—
GSM8K (Grade School Math 8K)40.9%0-shot CoT
MATH17.9%0-shot CoT
BBH (BIG-Bench Hard)55.9%3-shot CoT
GPQA20.7%0-shot
IFEval54.9%prompt_strict
ARC84.4%challenge
MUSR33.5%0-shot
WinoGrande67.1%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

  • MMLU 仅 43.6，知识推理偏弱。
  • HumanEval 26.9，代码能力较弱。
  • 闭源专有模型，不支持自托管。
  • 上下文窗口 4K 偏小。

适用场景

  • 通用对话与问答

参考文献