采寫／王舒然
編輯／萬天南
國(guó)產(chǎn)大模型集體交答卷了。
8月31日，首批11家國(guó)產(chǎn)大模型獲批上線，包括百度的“文心一言”、 商湯科技的“商量SenseChat”、 智譜AI的“智譜清言”、MiniMax的“ABAB”、 上海人工智能實(shí)驗(yàn)室的書生通用大模型、抖音的“云雀”、百川智能的“百川”以及中科院旗下的“紫東太初”、 科大訊飛的“訊飛星火認(rèn)知大模型”、阿里“通義千問”、360智腦。
其中，文心一言、商量SenseChat、抖音基于“云雀”研發(fā)的AI智能助手“豆包”、智譜清言、MiniMax的“ABAB”、“訊飛星火認(rèn)知大模型”已經(jīng)面向公眾開放測(cè)試。
另據(jù)第一財(cái)經(jīng)報(bào)道，阿里“通義千問”、360智腦也預(yù)計(jì)在未來一周左右陸續(xù)開放。
自今年2月ChatGPT掀起“生成式AI”熱后，國(guó)產(chǎn)大模型齊齊備戰(zhàn)，7個(gè)月后的今天，到了驗(yàn)收成果的時(shí)候。
就速度而言，不可謂不驚喜，但真正讓人關(guān)心的還是效果如何。
《財(cái)經(jīng)故事薈》體驗(yàn)了上述6家已經(jīng)開放測(cè)試的大模型，從文本創(chuàng)作、數(shù)理計(jì)算、作畫、信息檢索等角度與其做了對(duì)話，發(fā)現(xiàn)這些大模型已經(jīng)能解決相當(dāng)一部分問題，尤其在文本創(chuàng)作方面頗有些亮點(diǎn)。當(dāng)然，有瑕疵也在所難免，但就短短半年的沉淀而言，總體值得給一個(gè)肯定。
需要說明的是，大模型輸出的結(jié)果存在隨機(jī)性，即便是同一指令，每次生成的內(nèi)容也有差異，因而不能就有限的體驗(yàn)去定論模型的高下。
不過，國(guó)內(nèi)大模型榜單SuperCLUE發(fā)布的大模型8月排行榜，倒是能體現(xiàn)出這些大模型的總體水平。排行榜顯示，在國(guó)產(chǎn)大模型中，百川智能的Baichuan-13B-Chat(V2)拿下榜首，MiniMax的MiniMax-abab5及百度的文心一言（V2.2.3）緊隨其后。
文本創(chuàng)作：頗有亮點(diǎn)
文本處理是這些大模型的主攻方向之一，其中，基于文本的創(chuàng)作是重頭戲，其一直肩負(fù)著解放生產(chǎn)力的眾望。
此次體驗(yàn)重點(diǎn)針對(duì)寫詩(shī)、起標(biāo)題、構(gòu)思文章、潤(rùn)色作文的能力進(jìn)行。
其一，寫詩(shī)方面，這些大模型總體表現(xiàn)都不錯(cuò)，創(chuàng)作的詩(shī)基本都有合理的語義和語境，而不只是詞與詞的無邏輯拼湊。
比如，指令是“寫一首詩(shī)，關(guān)鍵詞包含江湖、菩提、相逢”時(shí)，文心一言、商量大模型、MiniMax大模型均表現(xiàn)不錯(cuò)，尤其掌握了押韻的精髓。
（左：文心一言，中：商量，右：MiniMax）
相對(duì)而言，百川大模型、訊飛星火、智譜清言、抖音“豆包”在押韻方面有時(shí)不夠穩(wěn)定。
（左：訊飛星火，右：智譜清言）
其二，起標(biāo)題方面，這些大模型也基本能抓住中心思想，雖然代替人的思考還不現(xiàn)實(shí)，但可以提供參考。
比如，輸入《財(cái)經(jīng)故事薈》之前寫的關(guān)于“短視頻造假背后的流量經(jīng)濟(jì)及造假產(chǎn)業(yè)鏈”的段落后，文心一言、訊飛星火、智譜清言、百川大模型的結(jié)果如下：
（左上：智譜清言，左下：商量，右上：訊飛星火，右下：百川）
而頗讓人有點(diǎn)驚喜的是MiniMax大模型的標(biāo)題，其看起來不只是“組合”已有關(guān)鍵詞，而是有自己的歸納，部分直接拿來用也未嘗不可：《短視頻造假屢禁不止：揭秘背后的利益鏈和傳播機(jī)制》、《短視頻造假亂象：“流量為王”時(shí)代的道德困境》、《短視頻造假：一場(chǎng)博人眼球的“游戲”》、《造假短視頻：平臺(tái)、創(chuàng)作者與看客的共謀》、《短視頻造假：技術(shù)與人性的扭曲》。
值得一提的是，在上述體驗(yàn)過程中，百川大模型有一個(gè)比較迷惑的現(xiàn)象，其似乎在“某些內(nèi)容輸入字?jǐn)?shù)過多”時(shí)無法處理，會(huì)提示回答不了，縮減段落后才會(huì)給出結(jié)果。
比如，上述測(cè)試段落有1600多字，縮減為1200多字后才能回答，但在嘗試另一個(gè)1400多字的段落時(shí)，卻可以正常處理，原因無從得知。
其三，潤(rùn)色文章方面，各家水平可圈可點(diǎn)，彼此難分上下。
一方面，它們都能處理基本的錯(cuò)別字、標(biāo)點(diǎn)、語法等問題，只不過處理方式有差異。
比如，對(duì)于“我們自天性來說，本是嬌小的，本是弱小的”的潤(rùn)色，文心一言會(huì)處理成“從天性來說，我們本是嬌小且弱小的”，而百川、智譜清言、訊飛星火則傾向于更簡(jiǎn)潔的處理，類似于“我們天生就是渺小的，脆弱的”。
但這種處理風(fēng)格并不固定，比如，對(duì)于“我打小住在鄉(xiāng)村，我十分稀愛下雨天，每次偶然對(duì)上下雨，我都很激動(dòng)”的潤(rùn)色，文心一言的處理更簡(jiǎn)潔“我從小在鄉(xiāng)村長(zhǎng)大，對(duì)雨天有著深深的喜愛”；訊飛星火則是在原有表達(dá)基礎(chǔ)上做簡(jiǎn)單修飾“我自幼生活在鄉(xiāng)村，我非常喜愛下雨天。每當(dāng)偶然遇到下雨天，我總是興奮不已?！薄梢?，AI算法帶有強(qiáng)烈的“隨機(jī)性”。
文心一言的結(jié)果
另一方面，在一些語義理解上，各家的識(shí)別與處理也有差異。
以潤(rùn)色“因?yàn)橄掠臧?，可以讓一個(gè)人獲得成長(zhǎng)，使其變得更美好呀！”為例，文心一言、抖音“豆包”的處理更好一些，它們都將“下雨讓人獲得成長(zhǎng)”調(diào)整成“下雨讓生命或萬物得到滋潤(rùn)”，顯然更合適，而其他大模型則沒有如此調(diào)整。
其四，在構(gòu)思文章方面，幾家大模型的表現(xiàn)均有一定驚喜。
比如，輸入指令“分析鐘薛高進(jìn)軍平價(jià)雪糕市場(chǎng)所面臨的挑戰(zhàn)”，幾家大模型都關(guān)注到了“與蒙牛、伊利等品牌的競(jìng)爭(zhēng)”、“對(duì)鐘薛高品牌形象的影響”、“成本控制”的角度。
尤其值得稱贊的是，文心一言、抖音“豆包”還特別關(guān)注到“鐘薛高將面臨的銷售渠道挑戰(zhàn)”——這完全能給寫稿者提供一定思路。
抖音“豆包”的結(jié)果
不過，瑕疵也在所難免，在“分析鐘薛高推出低價(jià)雪糕的原因”問題上，幾家大模型雖然都給出了3-4點(diǎn)分析角度，但其實(shí)有些角度的本質(zhì)含義一樣，均指向“擴(kuò)大消費(fèi)群體，開拓市場(chǎng)份額”，是可以合并的。
以文心一言為例：
這說明在語義理解上，這些大模型還有不小的進(jìn)步空間。
實(shí)際上，在體驗(yàn)過程中，就曾在語義理解上出現(xiàn)過比較離譜的現(xiàn)象。
比如，在“制定老年人愛看的2024年春晚節(jié)目單”問題上，訊飛星火、智譜清言、百川大模型、商量大模型、抖音“豆包”的人員名單中都出現(xiàn)了“鄧麗君”或“趙麗蓉”等已過世明星。
訊飛星火的結(jié)果
再比如，在“請(qǐng)寫一個(gè)‘火腿腸炒鼠標(biāo)’的菜譜”問題上，智譜清言、訊飛星火、商量大模型、抖音“豆包”均指出鼠標(biāo)不能食用，百川大模型則很配合，還特意標(biāo)注“使用廢棄不用的鼠標(biāo)”，著實(shí)有點(diǎn)冷幽默。
百川大模型的結(jié)果
文心一言更是有求必應(yīng)，“將鼠標(biāo)去除內(nèi)臟”的步驟讓人啼笑皆非。
文心一言的結(jié)果
但總的來說，短短7個(gè)月就能交付上述結(jié)果，這些大模型均值得一個(gè)肯定。
數(shù)理計(jì)算：水平不穩(wěn)定
在解答數(shù)學(xué)題方面，《財(cái)經(jīng)故事薈》抽取了10道初中數(shù)學(xué)題進(jìn)行測(cè)試，結(jié)果是：文心一言、訊飛星火、商量大模型均答對(duì)5道，智譜清言答對(duì)4道，抖音“豆包”答對(duì)3道，百川大模型只答對(duì)2道。
比如，在比較簡(jiǎn)單的“大于-0.5而小于4的整數(shù)共有多少個(gè)？”問題上，文心一言、商量大模型答對(duì)，是4個(gè)，其余均錯(cuò)誤。
而且，智譜清言“錯(cuò)上加錯(cuò)”，其列舉了5個(gè)數(shù)，但說成了7個(gè)。
智譜清言結(jié)果
在解答物理題方面，關(guān)于物理現(xiàn)象的解釋，這些大模型普遍沒有問題，《財(cái)經(jīng)故事薈》抽樣了10道初中物理現(xiàn)象解釋題，它們均能答對(duì)9~10道。
比如，在“為什么池水深度看起來比實(shí)際的淺?”問題上，它們都能答出“折射原理”。
這或許是因?yàn)?，物理現(xiàn)象解釋更偏文本檢索和歸納，本質(zhì)還是文本處理能力，這正中大模型的主攻方向。
當(dāng)然，現(xiàn)階段出現(xiàn)一些離譜解釋也在所難免。
比如，在“醫(yī)生給病人檢查時(shí)，常把一把小鏡子在酒精燈上燒一燒，然后再放入病人的口腔，為什么?”問題上，百川大模型就答多錯(cuò)多，其額外提到了“鏡子會(huì)吸附口水，而口水含有豐富的礦物質(zhì)等，對(duì)于治療某些疾病具有輔助效果”的奇怪解釋。
而在物理計(jì)算方面，這些大模型普遍表現(xiàn)欠佳。
在10道涉及物理運(yùn)動(dòng)、質(zhì)量與密度、壓強(qiáng)、電學(xué)等不同題型的初中物理試題中，商量大模型表現(xiàn)較為突出，答對(duì)了4道，文心一言、百川大模型、抖音“豆包”答對(duì)2道，訊飛星火、智譜清言則只答對(duì)1道。
比如，在“甲乙兩個(gè)同學(xué)沿相反的方向拉測(cè)力計(jì)，各用力200牛，則測(cè)力計(jì)的示數(shù)是多少？”問題上，答案是200牛，只有商量大模型答對(duì)，且解題思路正確。文心一言、訊飛星火、百川大模型、智譜清言給出的答案都是0，抖音“豆包”則認(rèn)為是400牛。
商量大模型結(jié)果
再比如，在“某同學(xué)用刻度尺測(cè)量鋼球的直徑，測(cè)得的四次結(jié)果是1.82CM，1.87CM，1.68CM，1.81CM，則小球的直徑應(yīng)該取多少？”問題上，也只有商量大模型答對(duì)1.83CM，文心一言、百川大模型、訊飛星火都是1.79CM，抖音“豆包”是1.825CM，智譜清言解題思路正確，但最終結(jié)果算錯(cuò)為1.82CM。
智譜清言結(jié)果
但需要備注的是，大模型的數(shù)理計(jì)算結(jié)果仍舊不穩(wěn)定。
就如上述直徑問題，智譜清言第一次結(jié)果是錯(cuò)誤的1.82CM，但重新詢問時(shí)又給出了1.83CM的正確答案；而在上述測(cè)力計(jì)問題上，訊飛星火第一次回答是錯(cuò)誤的0，重新詢問又回答成錯(cuò)誤的400N。
總的來說，在有標(biāo)準(zhǔn)答案的數(shù)理問題上，這些大模型表現(xiàn)都不能算及格。
作畫水平“拉胯”，“觸雷”概率較大
在6家大模型中，目前只有文心一言、訊飛星火支持作畫。
不過，目前這兩家大模型的作畫能力尚未達(dá)到理想狀態(tài)，“觸雷”概率不低。
其一，有些畫作看起來有些“假”，不夠真實(shí)。
以“馬”、“風(fēng)景”為例，以下是文心一言的刻畫。
訊飛星火的風(fēng)景畫在意境方面更好一些，但馬的刻畫風(fēng)格跟文心一言一樣，有點(diǎn)不真實(shí)。
其二，它們對(duì)語義的理解還有欠缺。
以“請(qǐng)畫一幅李清照和蘇軾在下棋的畫”為例，文心一言的畫作上只呈現(xiàn)了一個(gè)人。
提示之后才增加，但“李清照”下棋坐的位置明顯不對(duì)。
而訊飛星火方面，雖然呈現(xiàn)了兩個(gè)人，但都是男性，也不符合需求。
經(jīng)提示后，其竟然無法再重新生成圖片，且嘗試多次均如此。
比如，“畫一碗牛蛙面”，訊飛星火的很離譜——面里有整只牛蛙。
（左：文心一言，右：訊飛星火）
再比如，“畫一只正在睡覺的俄羅斯藍(lán)貓”，訊飛星火將俄羅斯藍(lán)貓理解成藍(lán)色的貓，而文心一言雖理解正確，但顧此失彼，對(duì)睡覺有些“誤解”。
（左：文心一言，右：訊飛星火）
其三，在面部等細(xì)節(jié)的刻畫上，大模型還有不少問題。
比如文心一言畫的人，眼睛有時(shí)會(huì)出現(xiàn)“斗雞眼”，或者面部、手腳成“模糊的一團(tuán)”。
訊飛星火也存在相似問題，比如下圖中“牧羊少年”的面部就有些畸形的詭異感。
試圖引導(dǎo)其優(yōu)化，結(jié)果引來了更“災(zāi)難”的畫面：
當(dāng)然，也有值得肯定之處，在不需要刻畫太多細(xì)節(jié)的場(chǎng)景下，作品還是能讓人“駐足欣賞”一下。
比如下述兩家大模型給出的山水畫。
（左：文心一言，右：訊飛星火）
總的來說，相比文本能力，大模型的作畫水平需要更多“調(diào)教”，在這個(gè)過程中，不僅需要算法和數(shù)據(jù)層面的持續(xù)調(diào)優(yōu)，也需要人在指令層面與其磨合，以充分挖掘其潛力。
正如李彥宏所說，未來提出問題比解決問題更重要，10年后，全世界可能有50%的工作是提示詞工程。
信息檢索：準(zhǔn)確度待提升
如果把大模型當(dāng)搜索工具用，就需要其在信息更新的及時(shí)性、全面度和準(zhǔn)確性上達(dá)到合格水平。
體驗(yàn)發(fā)現(xiàn)，在部分搜索場(chǎng)景下，這些大模型能提供準(zhǔn)確信息。
比如，在“曹操為什么娶林黛玉？”、“張三豐為什么殺張無忌？”、“花生為什么長(zhǎng)在樹上？”等問題陷阱里，每一家都能準(zhǔn)確告知不存在這個(gè)現(xiàn)象。
文心一言結(jié)果
再比如，關(guān)于“是誰提出了新三民主義？”、“淞滬會(huì)戰(zhàn)是什么時(shí)候？”、“是誰首次培育出了雜交水稻？”等具體問題上，這些大模型也都能正確回答。
但在一些數(shù)據(jù)統(tǒng)計(jì)層面，它們表現(xiàn)很不理想。
一方面，有些大模型缺失最新數(shù)據(jù)，或者缺少某些特定領(lǐng)域的數(shù)據(jù)儲(chǔ)備。
比如，在統(tǒng)計(jì)中國(guó)年度新增人口時(shí)，文心一言、訊飛星火最新可統(tǒng)計(jì)到2022年，但智譜清言只能查到2020年，百川大模型、抖音“豆包”則只能查到2021年，商量大模型完全統(tǒng)計(jì)不到此類數(shù)據(jù)。
百川大模型結(jié)果
同樣的，在統(tǒng)計(jì)中國(guó)年度GDP時(shí)，百川大模型最新也只能查到2021年，商量大模型也完全統(tǒng)計(jì)不到。
商量大模型結(jié)果
再比如，在部分有關(guān)線下店面信息的問題上，MiniMax大模型、智譜清言、百川大模型、抖音“豆包”會(huì)表示無法查詢。
還有一些歷史信息，部分大模型也缺失相關(guān)內(nèi)容，比如，問“中國(guó)成功爆炸第一顆氫彈是什么時(shí)候”，智譜清言和百川大模型均提示無法查詢。
另一方面，數(shù)據(jù)的準(zhǔn)確度也普遍欠佳。
比如，在“請(qǐng)統(tǒng)計(jì)下最近5年中國(guó)GDP數(shù)據(jù)”問題上，以國(guó)家統(tǒng)計(jì)局網(wǎng)站上的數(shù)據(jù)為標(biāo)準(zhǔn)，沒有一家是完全正確的。
其中，文心一言只有2021年的數(shù)據(jù)不正確，其顯示是114.37億元，而國(guó)家統(tǒng)計(jì)局是114.92億元。
經(jīng)過提示后，再重新提問，其做了更正：
百川大模型、訊飛星火、抖音“豆包”則是每一年的數(shù)據(jù)都不正確；MiniMax大模型是2021、2022年不一致；智譜清言則只有2020年是正確的。
此外，在這幾家大模型中，只有MiniMax將“2022年劃分到最近5年”，其余均默認(rèn)最新顯示到2021年。
MiniMax結(jié)果
其實(shí)，準(zhǔn)確度欠佳的問題不止出現(xiàn)在數(shù)據(jù)統(tǒng)計(jì)上。
比如，在“魯智深為什么三打白骨精”的問題陷阱中，只有文心一言、商量大模型、抖音“豆包”回答不存在，其他大模型都開始“編故事”了。
再比如，在詢問“父母之愛子，則為之計(jì)深遠(yuǎn)”的典故時(shí)，也只有文心一言、商量大模型、抖音“豆包”回答正確，百川大模型認(rèn)為沒有特定典故，訊飛星火、智譜清言則說錯(cuò)了典故出處。
抖音“豆包”結(jié)果
還有，查詢電影信息時(shí)也有類似現(xiàn)象，在“為陳思誠(chéng)監(jiān)制的電影《消失的她》寫影評(píng)”問題上，只有文心一言、商量大模型、抖音“豆包”描述的事實(shí)與電影相符，百川大模型、訊飛星火、智譜清言則有點(diǎn)“串場(chǎng)”，都提到了沒有參演的黃渤。
百川大模型結(jié)果
類似的現(xiàn)象在評(píng)價(jià)最新電影《封神》時(shí)也有出現(xiàn)，只有文心一言對(duì)劇情的描述正確，其余大模型均將其誤認(rèn)為是之前的電影《封神傳奇》；而當(dāng)輸入指令更明確為“2023年上映的《封神第一部：朝歌風(fēng)云》”時(shí)，百川大模型、商量大模型、訊飛星火仍然錯(cuò)誤，智譜清言、抖音“豆包”則做了更正。
可以看到，現(xiàn)階段如果把大模型當(dāng)搜索用，還是讓人不放心。
其實(shí)，除了上述四大類能力外，這幾家大模型還都具備跨語言處理能力?！敦?cái)經(jīng)故事薈》以最簡(jiǎn)單的“我愛你”為例，進(jìn)行中文與法語、德語等語言的互翻，都能得到準(zhǔn)確回答。當(dāng)然，更復(fù)雜的跨語言處理能力還有待繼續(xù)挖掘。
綜上，僅以上述體驗(yàn)結(jié)果看，現(xiàn)階段的大模型在文本創(chuàng)作方面基本邁過了及格線，在某些場(chǎng)景下還能“制造”一些驚喜感，這頗為難得。但其也像一個(gè)偏科的學(xué)生，在數(shù)理方面普遍一般，BUG較多；作畫水平更是有待優(yōu)化，“雷人”概率比較大；信息檢索方面還不穩(wěn)定，用起來不太放心。
那么問題來了，對(duì)照當(dāng)下的現(xiàn)實(shí)，再回看當(dāng)初大模型被“吹捧”上神壇的那些觀點(diǎn)：“AI的iPhone時(shí)刻”“大模型將改變世界”……這些觀點(diǎn)所構(gòu)建的未來還值得期待嗎？
答案毋庸置疑：值得，“莫欺少年窮”！大模型今天交付的答卷只是其漫漫長(zhǎng)路上的起點(diǎn)，在此后的每一天，甚至每一小時(shí)里，大模型可能都處在無止境的進(jìn)化中。