Qwen1.5 110B：完整基准性能指南

alibaba 1.5-110b 2024-02-25 Qwen License

深入分析 Qwen1.5 110B 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alibaba
版本1.5-110b
发布日期2024-02-25
上下文窗口32768 tokens
输入模态text
输出模态text
许可Qwen License
文档https://qwenlm.github.io/

基准测试表现

基准得分单位评测日期备注来源
MMLU86.1%2024-02-255-shot查看
HUMANEVAL76.5pass@12024-02-25—查看
GSM8K80.6%2024-02-250-shot CoT查看
MATH54.1%2024-02-250-shot CoT查看
BBH82.3%2024-02-253-shot CoT查看
GPQA45.9%2024-02-250-shot查看
IFEVAL83.4%2024-02-25prompt_strict查看
ARC95.7%2024-02-25challenge查看
MUSR63.9%2024-02-250-shot查看
WINOGRANDE84%2024-02-250-shot查看

定价

项目价格币种
输入$0.7 / MtokUSD
输出$1.2 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://help.aliyun.com/zh/model-studio/getting-started/models · 截至 2024-02-25

合规性

  • 数据驻留: CN
  • SOC2: ✗
  • HIPAA: ✗
  • GDPR: ✗
  • ISO 27001: ✗

Qwen1.5 110B

模型概述

阿里巴巴 Qwen1.5 110B 开源超大模型, 32K 上下文, 在中文与多语言基准上表现突出。

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
Alibaba1.5-110b2024-02-2532KtexttextQwen License

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)86.1%5-shot
HumanEval76.5pass@1—
GSM8K (Grade School Math 8K)80.6%0-shot CoT
MATH54.1%0-shot CoT
BBH (BIG-Bench Hard)82.3%3-shot CoT
GPQA45.9%0-shot
IFEval83.4%prompt_strict
ARC95.7%challenge
MUSR63.9%0-shot
WinoGrande84.0%0-shot

定价

输入输出缓存读取缓存写入
————

每百万 token

优势

  • MMLU 得分 86.1，知识推理能力强。

劣势

  • 闭源专有模型，不支持自托管。

适用场景

  • 代码生成与调试

参考文献