Phi-3 Vision：完整基准性能指南

other phi-3-vision 2024-05-21 MIT

深入分析 Phi-3 Vision 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-vision
发布日期2024-05-21
上下文窗口4096 tokens
输入模态text, image
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
MMLU56.4%2024-05-215-shot查看
HUMANEVAL48.2pass@12024-05-21—查看
GSM8K30%2024-05-210-shot CoT查看
MATH24.3%2024-05-210-shot CoT查看
BBH40.1%2024-05-213-shot CoT查看
GPQA17.4%2024-05-210-shot查看
IFEVAL56.4%2024-05-21prompt_strict查看
ARC77.4%2024-05-21challenge查看
MUSR32.1%2024-05-210-shot查看
WINOGRANDE74.7%2024-05-210-shot查看

定价

项目价格币种
输入$0.2 / MtokUSD
输出$0.2 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://huggingface.co/models · 截至 2024-05-21

合规性

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

Phi-3 Vision

模型概述

Microsoft Phi-3 Vision 4.2B 多模态模型, 4K 上下文, 支持图像理解, 在 4B 规模上多模态能力领先。

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-vision2024-05-214Ktext, imagetextMIT

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)56.4%5-shot
HumanEval48.2pass@1—
GSM8K (Grade School Math 8K)30.0%0-shot CoT
MATH24.3%0-shot CoT
BBH (BIG-Bench Hard)40.1%3-shot CoT
GPQA17.4%0-shot
IFEval56.4%prompt_strict
ARC77.4%challenge
MUSR32.1%0-shot
WinoGrande74.7%0-shot

定价

输入输出缓存读取缓存写入
————

每百万 token

优势

  • 支持文本、图像、音频多模态输入。

劣势

  • MMLU 仅 56.4，知识推理偏弱。
  • HumanEval 48.2，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

  • 视觉与图像理解

参考文献