大模型「混乱期」：谨慎如腾讯，激进如字节

原文来源：蓝洞商业

作者 | 赵卫卫

图片来源：由无界 AI生成

ChatGPT 爆火一年，大模型的竞争走到哪一步了?

从微信指数的数据，可以管中窥豹到各家大模型的感知度，ChatGPT 遥遥领先，依然是国内大模型们追赶的对象。

而国内互联网大厂的大模型梯队中，百度的文心一言和阿里的通义千问，依赖于发布时间较早，是产品感知度比较高的存在，尤其是文心一言3 月率先发布、 8月全面开放，已经进化到 4.0 版本。

而老对手腾讯和字节，分别在今年 8 月和 9 月亮相了自家的大模型产品，在时间线上属于跟进 ChatGPT 较晚的梯队，姿态也都相对低调。

先看字节的大模型战略，是先在 8 月上线了 AI 聊天机器人「豆包」，随后自研的大模型产品云雀在 9 月浮出水面，而「豆包」正是云雀大模型在垂直场景中的应用产品。

最新的动作是，在海外上线 AI 产品「ChitChop」，应用场景比「豆包」的海外版本「 Cici 」更丰富，如此密集的产品布局，被外界认为是字节从「 APP 工厂」朝「 AI工厂」迈进。

再看腾讯的混元大模型，正式发布于 9 月，属于国内互联网大厂中最晚入场的玩家，也是至今没有单独发布独立大模型 APP 的互联网大厂。混元大模型最直接的使用场景还是在微信小程序内，发布后最大的变化是， 10 月底开放了文生图功能。

不做独立 APP ，而是利用微信丰沛的流量做大模型小程序，优先迭代基础能力，是腾讯混元大模型的现状；而同样流量丰沛的字节，则选择布局多款 AI 大模型垂直产品，在国内外市场同时押注。

至此，字节和腾讯这对老冤家，正在大模型的赛道背道而驰。

OpenAI上线一年，其自身团队的变动成了大模型混乱期的转折点；而当国内「百模大战」告一段落，谁能在混乱期中突出重围？

腾讯，依然「不着急」？

关于大模型能力的测试有很多，各家大模型的产品能力也各有千秋。

腾讯方面曾宣称，在信通院测评主流大模型测试中，混元的模型开发和模型能力均获得了当前的最高分数。

相较之下，第三方个人测评更直观，在科技公司研究员Yuri自发研究的测评中，腾讯混元大模型在国产大模型的同题测试中排名靠后。

Yuri通过一套考公的行政职业能力笔试测验题，对百度文心一言、字节豆包、阿里通义千问和腾讯混元大模型进行了测试，一共 99 道题目。结果显示，混元大模型在常识判断、言语理解与表达和推理判断等方面都差强人意，总体上的正确率为 34.3%，排在 12 个国产大模型末尾。

「混元是此次测试让我大跌眼镜的模型，没有之一。」Yuri在测试后点评说，「前十道题连错是我完全没想到的，我大概半年前就一直在期待宇宙厂和鹅厂的模型，觉得他们或许会带来惊喜感，宇宙厂达到了预期，但没想到鹅厂的模型居然是酱紫。」

Yuri也在测试中说明，「本测试结果没有任何地缘和公司立场，单从一个用户体验角度评论，仅表示模型在所测试题目及同类题目的任务表现，并不能完全代表模型在其他任务上的能力和表现。」

这次测试的时间为 11 月中旬，而 GPT-4 的测试结果为正确率 73.7%，Yuri最后总结，「Open AI 在灯塔尖，我们在长城内，大家都有光明的前途呐」。

他同时提到，混元的回答生成速度跟通义千问差不多，但测试中共用了 7 轮对话完成这次测试，单次对话的上限是 30 次，多了之后就会出现「会话过长，请开始新会话」的提示。

第三方个人测试一定程度上反映出了混元大模型的问题。此前就有腾讯内部人士称，混元大模型在公司内部受到了批评。相关测试者透露，「不好用」是腾讯内部一部分人的共识。

「不着急」是今年9月份，腾讯混元大模型对自己的定调。虽然后续一直在更新迭代，但版本更迭速度相比国内同行的确稍慢。

截至 12 月 7 日，混元大模型对外使用的版本为V1.5.5，距离混元大模型正式发布已经过去了整整三个月，而百度文心一言已经在 10 月份开启了4.0 收费版本，同期阿里通义千问也进化到了 2.0 版本。