Open-Platypus: Complete Benchmark Performance Guide

other open-platypus 2023-09-15 MIT

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

Key Specifications

Vendorother
Versionopen-platypus
Release Date2023-09-15
Context Window2048 tokens
Input Modalitiestext
Output Modalitiestext
LicenseMIT
Documentationhttps://huggingface.co/models

Benchmark Performance

BenchmarkScoreUnitEvaluated AtNotesSource
MMLU68.7%2023-09-155-shotview
HUMANEVAL48.2pass@12023-09-15—view
GSM8K43.9%2023-09-150-shot CoTview
MATH21%2023-09-150-shot CoTview
BBH63.7%2023-09-153-shot CoTview
GPQA34.9%2023-09-150-shotview
IFEVAL46%2023-09-15prompt_strictview
ARC80.1%2023-09-15challengeview
MUSR40%2023-09-150-shotview
WINOGRANDE66.7%2023-09-150-shotview

Pricing

TierPriceCurrency
Input$0.18 / MtokUSD
Output$0.18 / MtokUSD
Cache Read$0 / MtokUSD
Cache Write$0 / MtokUSD

Source: https://huggingface.co/models · as of 2023-09-15

Compliance

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

Open-Platypus

モデル概要

Garage bAInd Open-Platypus 数据集与模型, 2K 上下文, 基于 Llama 2 微调, 适合 STEM 推理任务。

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
Otheropen-platypus2023-09-152KtexttextMIT

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)68.7%5-shot
HumanEval48.2pass@1—
GSM8K (Grade School Math 8K)43.9%0-shot CoT
MATH21.0%0-shot CoT
BBH (BIG-Bench Hard)63.7%3-shot CoT
GPQA34.9%0-shot
IFEval46.0%prompt_strict
ARC80.1%challenge
MUSR40.0%0-shot
WinoGrande66.7%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

  • 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 2K 偏小。

ユースケース

  • 通用对话与问答

参考文献