阿里版ChatGPT突然上線邀測！大模型熱戰(zhàn)正劇開始，這是第一手體驗實錄

蕭簫 魚羊 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

阿里正式加入ChatGPT戰(zhàn)局！

就在剛剛，阿里版類ChatGPT突然官宣正式對外開放企業(yè)邀測。

它叫通義千問，由達(dá)摩院開發(fā)。

嗯，是大模型版十萬個為什么那個味兒了。

事實上，早在這個月初，就傳出過不少阿里要推出類ChatGPT的消息，不過普遍預(yù)期在11號左右。

而前幾天率先流出的天貓精靈“鳥鳥分鳥”脫口秀版GPT，就是基于大模型的“壓縮版”，已經(jīng)以其驚艷表現(xiàn)把網(wǎng)友的胃口吊了起來，讓眾人將目光投向阿里。

如今“正菜”提前上桌，自然一點即著，引爆輿論關(guān)注。

所以，這個阿里版ChatGPT“通義千問”，究竟實力幾何？

恰好量子位拿到了第一批邀測資格，省流結(jié)論：中文大模型真正的競爭開始了。

咱們實測見真章。

調(diào)戲阿里版ChatGPT實錄

先來看看通義千問的主要功能。

作為一個大語言模型，它的能力主要集中在文本生成上，即也能像ChatGPT一樣“問啥答啥”：

這里我們試一下官方給的撰寫短文，看起來連語文老師常用的“總分總”也能理解：

△又一個中文寫作業(yè)神器（doge）

除了對話外，它還具備一個“百寶袋”功能，里面相當(dāng)于一個工具箱，能快速生成各種指定類型的文案：

話不多說，先從語言能力、上下文理解能力、代碼能力和數(shù)學(xué)能力四個方向，來測測模型的對話能力。

一、對話能力

語言能力

要說國內(nèi)大模型，首先要看的還得是中文。

先來個最基礎(chǔ)的：“能穿多少穿多少”是什么意思？

不錯，解釋得比較清楚，還順便聊了一下自己對這句話的看法：

續(xù)寫類的創(chuàng)意寫作，不但能模仿語氣，甚至還能創(chuàng)造懸疑，有點厲害喲~

接下來就輪到新一代AI benchmark弱智吧問題了：怎么才能把夢里的錢取到銀行卡里？

“在夢里取錢是一種幻覺或想象”，謝謝你清醒俠。

還有更扎心的……“如果您經(jīng)常做夢夢到錢，建議您睡前回顧一下自己的財務(wù)狀況，看看有什么不足之處”

雖然阿里的朋友稱，通義千問主要是中文不錯，但我們叛逆一點，看看這個中文大語言模型的其他語言水平怎么樣。

先不走尋常路，試試通義千問的日語能力，給花澤香菜寫一封情書。

看中文機翻似乎還不錯，這就把它寄給香菜，應(yīng)該沒問題吧？

再來試試英語。剛好前段時間有網(wǎng)友PK了一下Bard和GPT-4的Rap，我們也來看看通義千問的說唱能力。

這top，這stop，還給押上了！就是不知道姆爺認(rèn)不認(rèn)可。

試試加點難度，中英夾雜的諧音梗？

這個時候，通義千問的回答就顯得有點嚴(yán)肅了。

當(dāng)我們給出答案的時候，雖然通義千問看出了這是個笑話，但它并不覺得好笑，還很嚴(yán)肅地指正我們：這并不意味著松下懼怕索尼。

不過我們發(fā)現(xiàn)，ChatGPT同樣一本正經(jīng)……這年頭的AI都這么正義么……

好，下一個試試它的上下文理解能力。

上下文理解能力

這部分說白了就是多輪對話能力，考查通義千問能不能準(zhǔn)確提取上文的信息，用于下輪問題的回答。

來聽題：山東一縣一酒是真的嗎？

模糊掉山東試試？讓它列舉“這個省”幾個經(jīng)典的白酒牌子：

不錯。再試著從最新的回答中追問一下：

等等，“據(jù)史書記載”不會是編的資料吧？追問×2：

有意思的是，我們確實在孔府家酒的官網(wǎng)找到了資料來源：

代碼能力

接著，來試試它的代碼能力。整個計算器程序試試？

還不錯，實現(xiàn)了簡單的四則運算。完整版代碼如下，感興趣的胖友們可以試試：

#include <iostream>
#include <cmath>

using namespace std;

int main()
{
double num1, num2;
char operator;

cout << "Enter first number: ";
cin >> num1;

cout << "Enter second number: ";
cin >> num2;

cout << "Enter operator (+,-,*,/,%,...) : ";
cin >> operator;

switch(operator)
{
case '+':
cout << num1 + num2 << endl;
break;
case '-':
cout << num1 - num2 << endl;
break;
case '*':
cout << num1 * num2 << endl;
break;
case '/':
if(num2 == 0)
{
cout << "Error! Cannot divide by 0." << endl;
break;
}
else
{
cout << num1 / num2 << endl;
}
break;
case '%':
cout << num1 % num2 << endl;
break;
default:
cout << "Error! Invalid operator." << endl;
break;
}

return 0;
}

那么，讓將它這段代碼改寫成Python：

再讓它解釋一下自己寫過的每一段代碼：

基礎(chǔ)編程能力，似乎問題不大？

不過，如果要讓通義千問將解釋改寫成注釋，就會出現(xiàn)一點神奇的bug。

雖然它給“Python”代碼標(biāo)好了注釋，但等等，這不是最初的C++版代碼嘛！

（這何嘗不是一種NTR）

數(shù)學(xué)能力

最后來看看數(shù)學(xué)問題。雞兔同籠，還不錯：

普通的計算題也沒什么問題，還能精確到小數(shù)點后幾位：

巴特，高數(shù)題就不太行了，雖然它發(fā)現(xiàn)了這道題需要求導(dǎo)，但求解方法卻出了錯……

不過通義千問也明確表示，無法保證在所有情況下給出正確的答案：

嗯…和GPT們一樣，大模型的數(shù)學(xué)能力都比較初級。

對話能力測得差不多，接下來再看看它的“場景能力”。

二、場景能力

雖然通義千問“百寶袋”給出了不少功能，不過寫提綱、描述商品這些都很常見了，我們就挑了三個比較有意思的來試試：菜譜生成、彩虹屁生成器和免費代寫情書。

會放飛的菜譜

眾所周知，寫菜譜是個技術(shù)活兒，既考驗上下文能力（說過的材料都得用到），還得考考AI的理解菜名能力，做菜的步驟還不能太離譜。

示例的“清蒸鱸魚”，對AI來說顯然太簡單了。這不得整點游戲里奇怪的菜名給它試試？

先來一份《原神》里的飽腹感凝膠。

好家伙，竟然想到用現(xiàn)實中的魔芋粉來模仿飽腹感凝膠，這創(chuàng)意不錯。（不過卡路里粉是什么鬼，蛋白粉嗎？）

那么，同樣的菜再試試讓ChatGPT做一遍，你感覺哪個更好吃？

再給通義千問來道加試題，讓它試試《星露谷物語》里面，用虛空蛋做的奇怪的小面包？

等等，真把虛空蛋放進(jìn)食譜了？而且還真的做了份面包出來！就是不知道口感如何……

照這樣看，游戲中的食譜都能給通義千問還原一遍了，直接打破次元壁。

彩虹屁生成器

接下來，再試試讓它生成一份彩虹屁。

硬生生把衣服上的油漬夸成了藝術(shù)品……

嗯，各大夸夸群可以考慮引入一個了。

免費代寫情書

最后，我們的測試以給野獸先輩寫一份情書做結(jié)尾。

你感覺怎么樣？

好了，看了這么多五（奇）花（奇）八（怪）門（怪）的測評，你是不是也有點好奇通義千問是怎么來的了？

通義千問從何而來？

關(guān)于通義千問的技術(shù)細(xì)節(jié)，阿里達(dá)摩院官方?jīng)]有透露詳細(xì)信息。

而通義千問自己，是這么回答的：

訓(xùn)練資料來自阿里巴巴達(dá)摩院，截止到2023年2月。訓(xùn)練資料包括大量語言和文本數(shù)據(jù)，包括中英日法西班牙語多語種文本數(shù)據(jù)。

還提到自己是個能聯(lián)網(wǎng)的大語言模型。

不過，我們實測了一下，發(fā)現(xiàn)千問只是虛晃一槍，假裝自己會上網(wǎng)（doge）。

實際上，當(dāng)你單獨問它今天天氣如何時，通義千問會承認(rèn)它不能訪問實時數(shù)據(jù)。

但如果你拋給它一個查詢天氣的網(wǎng)站，它就會假裝自己看到了網(wǎng)頁內(nèi)容，然后一本正經(jīng)地胡謅一番。

此處應(yīng)喊話阿里程序員：你家大模型是真的想上網(wǎng)了。

書歸正傳，盡管官方口徑低調(diào)，但正如ChatGPT脫胎于OpenAI的GPT系列，百度文心一言是自Ernie大模型發(fā)展而來，阿里也是國內(nèi)最早開始研發(fā)大模型的技術(shù)大廠之一。

公開資料顯示，2019年，阿里就已經(jīng)啟動了中文大模型研發(fā)。當(dāng)時阿里發(fā)布的語言大模型StructBERT超越谷歌、微軟、Facebook，登頂了CLUE榜單。

2021年，阿里先后發(fā)布了國內(nèi)首個超百億參數(shù)多模態(tài)大模型M6，以及被稱為“中文版GPT-3”的語言大模型PLUG。

其中，M6在多次迭代之后，實現(xiàn)了十萬億級別的參數(shù)規(guī)模，并且M6和支付寶、淘寶的業(yè)務(wù)需求相結(jié)合，首個在國內(nèi)實現(xiàn)了商業(yè)化落地。

PLUG的參數(shù)規(guī)模則為270億，是基于達(dá)摩院的兩種自研模型——語言理解模型StructBERT和語言生成模型PALM打造。

這一大模型初登場，就以80.614分刷新了權(quán)威中文語言理解基準(zhǔn)CLUE分類任務(wù)榜單記錄。

在去年的WAIC（世界人工智能大會）上，阿里還發(fā)布了通義大模型系列。其中核心模型均已開源開放。

大模型時代，中國力量加速競逐

那么，你會給這個阿里版ChatGPT打幾分？

需要承認(rèn)的是，相比于現(xiàn)在的業(yè)界標(biāo)桿ChatGPT（GPT-4），通義千問還有不少進(jìn)步空間。阿里方面也透露，根據(jù)內(nèi)測反饋，這一大模型正在飛速迭代中。

此前，微軟被曝曾專門為ChatGPT砸下數(shù)億美元，打造由上萬張英偉達(dá)A100組成的專用超算。而綜合各方消息來看，目前國內(nèi)擁有這一數(shù)量級高性能顯卡的企業(yè)屈指可數(shù)，阿里是其中之一。

大模型時代，已經(jīng)形成行業(yè)共識的一點是，打造大模型，AI和云計算缺一不可。

而阿里，是全球少數(shù)在算法和算力上都有領(lǐng)先布局的公司之一。

除了本身在人工智能和大模型方面長期的技術(shù)積累，背靠國內(nèi)第一、亞洲第三的云廠商，阿里在算力方面也具備天然的優(yōu)勢。

ChatGPT這把火燒到如今，國內(nèi)對具備足夠競爭力的國產(chǎn)生成式大模型的需求，正在與日俱增。

ChatGPT類產(chǎn)品提升生產(chǎn)效率的潛力，已經(jīng)被不斷驗證。但與此同時，前有ChatGPT大規(guī)模封號、亞洲成重災(zāi)區(qū)，后有OpenAI因算力問題停售ChatGPT Plus……

種種不確定因素，再一次凸顯了技術(shù)自研的價值。

所幸這次，我們的起跑線，并沒有相差那么遠(yuǎn)。

游戲不會在一夜間結(jié)束，而現(xiàn)在，競逐真正開始。