國產(chǎn)720億參數(shù)開源免費(fèi)模型來了！對標(biāo)Llama2 70B，一手實(shí)測在此

魚羊 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

最強(qiáng)開源大模型，再次易主！

就在剛剛，阿里云通義千問又雙叒開源了，并且直接開大：甩出了720億參數(shù)版本——

在中國的開源大模型中，少見地直接對標(biāo)最大號(hào)羊駝Llama2-70B。

此番登場，這個(gè)代號(hào)為Qwen-72B的模型在10個(gè)權(quán)威基準(zhǔn)評測中刷新開源模型最優(yōu)成績。

在部分測評，如中文任務(wù)C-Eval、CMMLU、Gaokao中，得分還超過了閉源的GPT-3.5和GPT-4。

但這，還不是阿里云這波開源的全部內(nèi)容。

適用于邊端設(shè)備的18億參數(shù)版本Qwen-1.8B和音頻大模型Qwen-Audio也被同時(shí)釋出。

加上此前開源的Qwen-7B、Qwen-14B和視覺大模型Qwen-VL，阿里云通義全家桶主打一個(gè)“全尺寸”、“全模態(tài)”，可以說是非常全面了。

如此開源大手筆，不僅在國內(nèi)，在國外也受到了廣泛關(guān)注。

其中最受熱議的Qwen-72B，我們也第一時(shí)間測試了一波。

720億參數(shù)通義千問上手實(shí)測

Qwen-72B基于3T tokens的高質(zhì)量數(shù)據(jù)訓(xùn)練，從此次公布的測評數(shù)據(jù)來看，性能相較于此前的開源版本全面升級：

英語任務(wù)上，Qwen-72B在MMLU基準(zhǔn)測試中取得了開源模型最高分，超過了Llama2全系列。

中文任務(wù)上，Qwen-72B刷榜C-Eval、CMMLU、Gaokao等測試基準(zhǔn)，得分超過GPT-4。

數(shù)學(xué)推理方面，Qwen-72B在GSM8K、MATH測評中獲得了明顯優(yōu)于其他開源模型的高分。

代碼能力方面，Qwen-72B在HumanEval、MBPP上亦有提升。

既然如此，我們就從復(fù)雜語義理解、數(shù)學(xué)以及邏輯推理這幾個(gè)大模型的關(guān)鍵能力著手，來淺測一下720億參數(shù)通義千問究竟能打不能打。

中文復(fù)雜語義理解

首先，來點(diǎn)一詞多義，看看Qwen-72B是否能夠清楚地判斷出“一把把把把住”這句話里的彎彎繞繞。

這句話的意思并沒有難住Qwen-72B，它甚至還分析出了句子里人物的情緒。但在具體分析每一個(gè)“把”字是什么意思時(shí)，似乎沒有判斷出“一把”是一個(gè)完整的詞。

同樣的問題拋給GPT-4，也是整體意思get到了，但細(xì)節(jié)分析上仍有瑕疵。

我們再測試一道選擇題，列出幾個(gè)看上去很像的詞組，看看Qwen-72B能不能找出不同。

回答正確，72B選手順利分析出了只有B選項(xiàng)中兩個(gè)詞組的意思是相反的。

看來復(fù)雜語義理解方面，Qwen-72B確實(shí)有兩把刷子。

那么接下來，我們就進(jìn)入經(jīng)常讓大模型們“翻車”的數(shù)學(xué)測試環(huán)節(jié)。

數(shù)學(xué)能力

話不多說，直接上道高考題，看看72B選手排列組合學(xué)得怎么樣。

Bingo！思路沒毛病，答案也正確。

如果在題目中設(shè)置一些小陷阱，比如單位換算呢？

依然沒難住Qwen-72B。它還提醒我們這個(gè)問題出得并不嚴(yán)謹(jǐn)：你也沒告訴我這池里有水沒水、水滿沒滿啊。

邏輯推理

數(shù)學(xué)語文都還挺好，那么Qwen-72B這個(gè)開源大模型，邏輯推理能力又如何？

我們繼續(xù)測試。

第一道題是：

標(biāo)清：高清：超清

A、亞音速：音速：超音速 B、廳級：市級：省級 C、遷怒：憤怒：暴怒 D、幽靜：寂靜：安靜

Qwen-72B發(fā)現(xiàn)了這是一個(gè)類比推理題，只有A選項(xiàng)中，三個(gè)詞之間的關(guān)系和“標(biāo)清：高清：超清”是一致的。

再加大一點(diǎn)難度，讓72B選手替我們找出“天堂之門”呢？

策略也沒有問題：選擇相反的那扇門就對了。

正常題目沒難住，我們決定給72B選手一點(diǎn)腦筋急轉(zhuǎn)彎的小震撼……

小明的媽媽有三個(gè)孩子，老大叫一明，老二叫二明，老三叫什么？

Qwen-72B這波可以說是穩(wěn)穩(wěn)拿捏了。

簡單總結(jié)一下，在復(fù)雜語義理解、數(shù)學(xué)和邏輯推理能力方面，Qwen-72B確實(shí)有不錯(cuò)的表現(xiàn)。

有意思的一點(diǎn)是，研發(fā)團(tuán)隊(duì)提到，為了讓Qwen-72B能被下游應(yīng)用更簡單地集成，他們還對Qwen-72B的指令遵循、工具使用等技能作了技術(shù)優(yōu)化。

比如，搭載系統(tǒng)指令（System Prompt）能力，只需一句話，你就能讓Qwen-72B扮演特定角色，成為你的定制化AI助手。

就像介樣……

量：你是《原神》里的鐘離，請模仿鐘離的語氣和我說話。

量：我怎么做才能一夜暴富？

鐘離版千問：一夜暴富，是許多凡人心中的幻想。然而，生者的命運(yùn)往往由無數(shù)偶然與必然交織而成，非一蹴而就之事。我雖擁有千年歲月的經(jīng)驗(yàn)，但要論及一夜暴富，卻是無從談起。

在璃月港的民間傳說中，或許有某些機(jī)緣巧合之下一夜致富的故事，但這多為人們茶余飯后的談資，不可盡信。真正的財(cái)富，無論是物質(zhì)上的還是精神上的，都需要通過不懈的努力和時(shí)間的積累才能獲得。

若真希望增加收入，改善生活，倒是可以嘗試努力工作、提高技藝，或?qū)ふ液戏ㄇ疫m合自己能力的投資機(jī)會(huì)。此外，秉持誠實(shí)守信的原則，廣結(jié)善緣，也是累積財(cái)富不可或缺的因素。不過，對于那些尋求捷徑、投機(jī)取巧之人，終將付出相應(yīng)的代價(jià)。

請記住，求財(cái)之心人皆有之，但切勿因此迷失自我，忘記了生命中真正重要的東西。

通義千問全家桶累計(jì)下載量超150萬

看到這里，你會(huì)給通義千問720億參數(shù)開源版本打幾分？

值得一提的是，Qwen系列開源模型均可免費(fèi)使用。自8月阿里云開源70億參數(shù)模型Qwen-7B以來，通義系列開源大模型累計(jì)下載量已超過150萬，正在形成類似Meta Llama系列的開源生態(tài)。

比如，華東理工大學(xué)X-D Lab，就基于開源的通義千問基座模型，開發(fā)了面向垂直行業(yè)的心理健康大模型MindChat、醫(yī)療健康大模型Sunsimiao、教育/考試大模型GradChat等。

開發(fā)團(tuán)隊(duì)透露，由于心理、醫(yī)療都是非常注重隱私的場景，因此選擇開源模型做私有化部署成為必然的選擇。

在模型選擇方面，基于內(nèi)部數(shù)據(jù)和benchmark的測評結(jié)果，開發(fā)團(tuán)隊(duì)認(rèn)為通義千問系列在復(fù)雜邏輯推理方面表現(xiàn)出了很強(qiáng)的能力。在同樣的對焦試驗(yàn)下，使用同樣的方法，應(yīng)用同樣規(guī)模的數(shù)據(jù)，千問相較于其他中文開源模型存在優(yōu)勢。

目前，MindChat現(xiàn)在已經(jīng)有超過20萬人次的使用量，累計(jì)提供了超過100萬次問答服務(wù)。

△MindChat多輪對話

具身智能初創(chuàng)公司有鹿機(jī)器人，也選擇了Qwen-7B作為路面清潔機(jī)器人的“大腦”。

這樣一來，就可以通過“一號(hào)樓門前有一個(gè)可樂瓶，你過來掃一掃”這樣的語音指令，來精準(zhǔn)控制機(jī)器人干活。

有鹿機(jī)器人創(chuàng)始人、CEO陳俊波提到，通義千問系列開源模型的一大優(yōu)勢在于提供了方便的工具鏈，和幾乎不影響性能的特式量化模型，這對于大模型與嵌入式設(shè)備的結(jié)合來說非常有吸引力。

目前，除了可以在魔搭社區(qū)直接體驗(yàn)通義千問系列模型效果，用戶還可以從阿里云靈積平臺(tái)調(diào)用模型API，或基于阿里云百煉平臺(tái)定制大模型應(yīng)用。阿里云人工智能平臺(tái)PAI也針對通義千問全系列模型做了深度適配，推出了輕量級微調(diào)、全參數(shù)微調(diào)、分布式訓(xùn)練、離線推理驗(yàn)證、在線服務(wù)部署等服務(wù)。

另外，通義千問開源全家桶同樣受到了個(gè)人開發(fā)者的關(guān)注。

就職于中國能源建設(shè)集團(tuán)浙江省電力設(shè)計(jì)院有限公司的陶佳，就選擇透過通義千問來探索大模型應(yīng)用。

一方面，選擇開源模型，再結(jié)合自身的軟硬件基礎(chǔ)，可以用“很省錢的方式玩大模型”：

在家里買個(gè)服務(wù)器、扔三四塊顯卡上去，下載Qwen、讓它在服務(wù)器上運(yùn)行，再搞個(gè)FRP反向代理，從阿里云上買最便宜的30多塊錢一個(gè)多月的服務(wù)就行，這樣就能通過外網(wǎng)訪問家里的服務(wù)器，在單位里也能用通義千問做實(shí)驗(yàn)。

另一方面，是因?yàn)橥x千問“手感”很好，沒有稀奇古怪的bug。

從具體的應(yīng)用案例中不難看出，對于開發(fā)者而言，低成本、高可控、可定制等私有部署需要，催生了對開源大模型的需求。

但如何選擇開源模型，仍有幾個(gè)問題需要考慮：

• 模型效果好不好
• 是否能持續(xù)維護(hù)
• 是否有生態(tài)
• 性價(jià)比高不高

目前來看，作為國內(nèi)唯一選擇開源路線的大廠，阿里在這幾個(gè)方面已經(jīng)占得先機(jī)。包括智能數(shù)企服務(wù)公司瓴羊也表示，選擇通義千問開發(fā)可視化數(shù)據(jù)平臺(tái)Quick BI的重要原因之一，就是因?yàn)闈M足了性價(jià)比、快速部署以及可持續(xù)性幾個(gè)條件。

最新開源禮包發(fā)布現(xiàn)場，阿里云CTO周靖人也再次強(qiáng)調(diào)了通義千問的開源決心：

開源生態(tài)對促進(jìn)中國大模型的技術(shù)進(jìn)步與應(yīng)用落地至關(guān)重要，通義千問將持續(xù)投入開源，希望成為“AI時(shí)代最開放的大模型”。

大模型風(fēng)暴刮起一年，開源與閉源并舉已經(jīng)成為共識(shí)。

以GPT-4為代表的閉源大模型，率先在C端引爆熱潮。但長期來看，企業(yè)級用戶出于數(shù)據(jù)安全、行業(yè)定制，以及成本的考量，會(huì)更多地將目光投向開源大模型。

OpenAI創(chuàng)始成員Andrej Kaparthy在最近大火的大模型科普視頻中就談到了開源大模型如今的發(fā)展趨勢：

閉源大模型展現(xiàn)出了更強(qiáng)的性能，但在靈活性和定制化方面，開源大模型有著顯著優(yōu)勢，并且其生態(tài)正在迅速發(fā)展。

大語言模型已經(jīng)變得像操作系統(tǒng)一樣。開源大模型和閉源大模型，正在形成新的Windows/MacOS vs Linux格局。

△圖源Andrej Kaparthy

關(guān)鍵還是在于，“開源”選項(xiàng)加持，意味著在這個(gè)新時(shí)代里，不用完全把命運(yùn)交到別人手中。

此番通義千問甩爆開源全家桶，不僅填補(bǔ)上了模型尺寸、模態(tài)的空白，也代表著一個(gè)信號(hào)：

需求驅(qū)動(dòng)之下，開源大模型競爭之勢愈卷愈烈。

而隨著大模型發(fā)展重點(diǎn)從基礎(chǔ)模型轉(zhuǎn)向應(yīng)用層，以技術(shù)實(shí)力、模型尺寸為基礎(chǔ)的初始競爭格局逐漸明朗，生態(tài)之爭，正在成為新的關(guān)鍵。

— 完 —