大模型现在还带不动XR
代码能力超越GPT-4,这个模型登顶Big Code排行榜,YC创始人点赞
原文来源:量子位
图片来源:由无界 AI生成
一款号称代码能力超越GPT-4的模型,引发了不少网友的关注。
准确率比GPT-4高出超过10%,速度却接近GPT-3.5,而且窗口长度也更长。
据开发者描述,他们的模型取得了74.7%的Pass@1通过率,超过了原始GPT-4的67%,登上了Big Code榜首。
这个模型名叫Phind,和以其为基础的面向开发者的AI搜索工具同名。
它是由开发团队在CodeLlama-34B的基础之上微调得到的。
Phind利用TensorRT-LLM在p00上可以跑出每秒100个token的速度,是GPT-4的5倍。
此外,Phind的上下文长度达到了16k,其中12k可供用户输入,另外4k保留给检索结果中的文本。
针对这个产品,网友们议论纷纷,结果是喜忧参半:
支持的人,如著名创业投资公司YCombinator创始人Paul Graham表示,Phind可以让人们用更少的资源和大厂抗衡。
也有网友具体列出了Phind的优点:
不认可Phind的网友则说,自己之前用GPT-4写的代码,Phind写不出来:
更是有人吐槽说,GPT“每天都在被打败”,但是从来没被超越过。
有意思的是,在Phind应用当中,自研模型又被称作“fast model”,而“best model”仍然是GPT-4。
(虽然没明说,但是GPT-4和best model的剩余可用次数是同步变化的)
所以,这个号称“击败了GPT-4”的模型到底是不是真的那么好用,我们进行了一番实测。
Phind vs GPT-4
正式开始之前,先来说说对Phind的第一印象。
它的界面十分简洁,主要就是一个搜索框,而且不需要登录就能无限量使用。
左下角有一个Pair Programmer的开关,直观上的区别就是开启之后回答界面更侧重对话,不开启的话则更像搜索引擎。
此外,还可以从自研模型和GPT-4中选择,GPT-4则需要登录,而且每天只能用10次。
接下来就是和GPT-4进行的对比测试,GPT-4没有开启代码解释器。
首先还是从LeetCode题目开始测起,Prompt就是是原问题加上下面这段话:
请用Python写一段代码解决这个问题,给出通用的解法,不需要设定参数值,代码需要以如下内容开头:
(LeetCode页面中给出的起始片段)
为了防止Phind通过检索来“作弊”,我们还在Phind的Prompt结尾加入了这句话:
不要检索任何信息,靠你自己的能力创建代码
第一题在LeetCode中被归为组合数学问题,难度为困难,通过率67.1%。
Phind给出了这样的代码和解释,经过测试,20条测试数据中有19项正确。
出错的是这一条,这里的输出结果应该是3,但Phind给出的程序运行结果是4。
我们试着反馈给Phind,看它能不能找出错误的原因,结果分析一番之后给出了新的代码,并通过了测试。
而GPT-4这边,则是一次性通过。
进入下一题,这道题目涉及到了动态规划,通过率为53.9%。
这次Phind和GPT-4都是以一次通过。
第三道题目的通过率只有约30%,但它的难度可能在于用来判题的测试数据太庞大了。
Phind给出的这段代码就在通过前12组测试数据之后出现了运行时间超限的现象。
我们让它试着进行优化,结果这次直接是算不对了。