Flan-T5 XXL: Complete Benchmark Performance Guide

other flan-t5-xxl 2022-12-07 Apache 2.0

In-depth analysis of Flan-T5 XXL performance on MMLU, HumanEval, GSM8K, MATH, BBH benchmarks, including pricing and use cases.

Key Specifications

Vendorother
Versionflan-t5-xxl
Release Date2022-12-07
Context Window4096 tokens
Input Modalitiestext
Output Modalitiestext
LicenseApache 2.0
Documentationhttps://huggingface.co/models

Benchmark Performance

BenchmarkScoreUnitEvaluated AtNotesSource
MMLU52%2022-12-075-shotview
HUMANEVAL35.4pass@12022-12-07—view
GSM8K35.2%2022-12-070-shot CoTview
MATH21.4%2022-12-070-shot CoTview
BBH60.5%2022-12-073-shot CoTview
GPQA28.6%2022-12-070-shotview
IFEVAL51.3%2022-12-07prompt_strictview
ARC81.7%2022-12-07challengeview
MUSR42.2%2022-12-070-shotview
WINOGRANDE74.2%2022-12-070-shotview

Pricing

TierPriceCurrency
Input$0.5 / MtokUSD
Output$0.5 / MtokUSD
Cache Read$0 / MtokUSD
Cache Write$0 / MtokUSD

Source: https://huggingface.co/models · as of 2022-12-07

Compliance

  • Data Residency: self-host
  • SOC2: ✗
  • HIPAA: ✗
  • GDPR: ✗
  • ISO 27001: ✗

Flan-T5 XXL

モデル概要

Google Flan-T5 XXL 11B 指令微调模型, 4K 上下文, 多任务指令微调, 零样本能力突出。

コア仕様

ベンダーバージョンリリース日コンテキストウィンドウ入力モダリティ出力モダリティライセンス
Otherflan-t5-xxl2022-12-074KtexttextApache 2.0

ベンチマークパフォーマンス

ベンチマークスコア単位備考
MMLU (Massive Multitask Language Understanding)52.0%5-shot
HumanEval35.4pass@1—
GSM8K (Grade School Math 8K)35.2%0-shot CoT
MATH21.4%0-shot CoT
BBH (BIG-Bench Hard)60.5%3-shot CoT
GPQA28.6%0-shot
IFEval51.3%prompt_strict
ARC81.7%challenge
MUSR42.2%0-shot
WinoGrande74.2%0-shot

料金

入力出力キャッシュ読み取りキャッシュ書き込み
————

100万トークンあたり

強み

  • 可靠的通用模型。

弱み

  • MMLU 仅 52.0，知识推理偏弱。
  • HumanEval 35.4，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。

ユースケース

  • 通用对话与问答

参考文献