Phi-3 Vision: Complete Benchmark Performance Guide

other phi-3-vision 2024-05-21 MIT

In-depth analysis of Phi-3 Vision performance on MMLU, HumanEval, GSM8K, MATH, BBH benchmarks, including pricing and use cases.

Key Specifications

Vendorother
Versionphi-3-vision
Release Date2024-05-21
Context Window4096 tokens
Input Modalitiestext, image
Output Modalitiestext
LicenseMIT
Documentationhttps://huggingface.co/models

Benchmark Performance

BenchmarkScoreUnitEvaluated AtNotesSource
MMLU56.4%2024-05-215-shotview
HUMANEVAL48.2pass@12024-05-21—view
GSM8K30%2024-05-210-shot CoTview
MATH24.3%2024-05-210-shot CoTview
BBH40.1%2024-05-213-shot CoTview
GPQA17.4%2024-05-210-shotview
IFEVAL56.4%2024-05-21prompt_strictview
ARC77.4%2024-05-21challengeview
MUSR32.1%2024-05-210-shotview
WINOGRANDE74.7%2024-05-210-shotview

Pricing

TierPriceCurrency
Input$0.2 / MtokUSD
Output$0.2 / MtokUSD
Cache Read$0 / MtokUSD
Cache Write$0 / MtokUSD

Source: https://huggingface.co/models · as of 2024-05-21

Compliance

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

Phi-3 Vision

モデル概要

Microsoft Phi-3 Vision 4.2B 多模态模型, 4K 上下文, 支持图像理解, 在 4B 规模上多模态能力领先。

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
Otherphi-3-vision2024-05-214Ktext, imagetextMIT

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)56.4%5-shot
HumanEval48.2pass@1—
GSM8K (Grade School Math 8K)30.0%0-shot CoT
MATH24.3%0-shot CoT
BBH (BIG-Bench Hard)40.1%3-shot CoT
GPQA17.4%0-shot
IFEval56.4%prompt_strict
ARC77.4%challenge
MUSR32.1%0-shot
WinoGrande74.7%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

  • 支持文本、图像、音频多模态输入。

弱み

  • MMLU 仅 56.4，知识推理偏弱。
  • 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 4K 偏小。

ユースケース

  • 视觉与图像理解

参考文献