Qwen2.5 3B：完整基准性能指南

alibaba 2.5-3b 2024-09-19 Qwen License

深入分析 Qwen2.5 3B 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2.5-3b
发布日期2024-09-19
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
MMLU56.8%2024-09-195-shot查看
HUMANEVAL49pass@12024-09-19—查看
GSM8K31.3%2024-09-190-shot CoT查看
MATH17%2024-09-190-shot CoT查看
BBH48.8%2024-09-193-shot CoT查看
GPQA18%2024-09-190-shot查看
IFEVAL56%2024-09-19prompt_strict查看
ARC76.5%2024-09-19challenge查看
MUSR23.3%2024-09-190-shot查看
WINOGRANDE61.4%2024-09-190-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://help.aliyun.com/zh/model-studio/getting-started/models · 截至 2024-09-19

合规性

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

Qwen2.5 3B

模型概述

阿里巴巴 Qwen2.5 3B 轻量开源模型, 32K 上下文, 3B 参数, 适合移动设备与边缘部署。

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
Alibaba2.5-3b2024-09-1932KtexttextQwen License

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)56.8%5-shot
HumanEval49.0pass@1—
GSM8K (Grade School Math 8K)31.3%0-shot CoT
MATH17.0%0-shot CoT
BBH (BIG-Bench Hard)48.8%3-shot CoT
GPQA18.0%0-shot
IFEval56.0%prompt_strict
ARC76.5%challenge
MUSR23.3%0-shot
WinoGrande61.4%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 56.8，知识推理偏弱。
  • HumanEval 49.0，代码能力较弱。
  • 闭源专有模型，不支持自托管。

适用场景

  • 通用对话与问答

参考文献