基准测试表现
| 基准 | 得分 | 单位 | 评测日期 | 备注 | 来源 |
|---|
| MMLU | 80.2 | % | 2024-06-07 | 5-shot | 查看 |
| HUMANEVAL | 76.5 | pass@1 | 2024-06-07 | — | 查看 |
| GSM8K | 87 | % | 2024-06-07 | 0-shot CoT | 查看 |
| MATH | 71.9 | % | 2024-06-07 | 0-shot CoT | 查看 |
| BBH | 83.4 | % | 2024-06-07 | 3-shot CoT | 查看 |
| GPQA | 53.6 | % | 2024-06-07 | 0-shot | 查看 |
| IFEVAL | 76.9 | % | 2024-06-07 | prompt_strict | 查看 |
| ARC | 94.4 | % | 2024-06-07 | challenge | 查看 |
| MUSR | 68.9 | % | 2024-06-07 | 0-shot | 查看 |
| WINOGRANDE | 82.5 | % | 2024-06-07 | 0-shot | 查看 |
合规性
- 数据驻留: CN
- SOC2: ✗
- HIPAA: ✗
- GDPR: ✗
- ISO 27001: ✗
Qwen2 72B
模型概述
阿里巴巴 Qwen2 72B 开源旗舰, 131K 上下文, 多语言/数学/编程能力突出, 性能接近 GPT-4。
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 |
|---|
| Alibaba | 2-72b | 2024-06-07 | 131K | text | text | Qwen License |
基准测试表现
| 基准 | 得分 | 单位 | 备注 |
|---|
| MMLU (Massive Multitask Language Understanding) | 80.2 | % | 5-shot |
| HumanEval | 76.5 | pass@1 | — |
| GSM8K (Grade School Math 8K) | 87.0 | % | 0-shot CoT |
| MATH | 71.9 | % | 0-shot CoT |
| BBH (BIG-Bench Hard) | 83.4 | % | 3-shot CoT |
| GPQA | 53.6 | % | 0-shot |
| IFEval | 76.9 | % | prompt_strict |
| ARC | 94.4 | % | challenge |
| MUSR | 68.9 | % | 0-shot |
| WinoGrande | 82.5 | % | 0-shot |
定价
每百万 token
优势
- MMLU 得分 80.2，知识推理能力强。
- GSM8K 87.0，数学推理稳健。
劣势
适用场景
参考文献