“不逊色GPT-4”！百度最强大模型发布，我们第一时间实测了一波

鱼羊 萧箫 发自 凹非寺
量子位 | 公众号 QbitAI

就在刚刚，文心大模型4.0版本正式发布！

北京首钢园现场，李彦宏直接放话：

文心大模型4.0综合水平与GPT-4相比已经毫不逊色。

话不多说，一起来看现场演示效果。

先来段倒装prompt：

我想回承德买房，能用公积金贷款吗？手续怎么办？我在北京工作。

不仅关键信息“北京工作”放在了最后，公积金具体是在哪里交的也没有明示。

但新版文心一言完全没有被这些小陷阱坑到，顺利给出了正确答案。

生成方面，当场剪出一整段数字人口播视频，毫不费劲：

解起数学题来也得心应手，可以说是家长辅导作业神器了（doge）。

新版文心一言还现场写起了武侠小说，即使持续添加人物角色、增加戏剧冲突，也不会出现记忆混乱、前言不搭后语的情况：

如此表现，着实是让现场观众high了一把。

文心大模型4.0相关话题，也立刻被国内外网友们热议起来。

据现场介绍，相比线上3.5版本的文心一言，文心大模型4.0进步明显：仅9月启动小流量测试这过去的一个月，就又提升了30%。

那么，问题来了：文心大模型4.0真有这么好？具体与GPT-4相差几何？

目前，文心大模型4.0已经开启邀测，量子位也在第一时间拿到了测试资格。

我们直接实测走起。

相比GPT-4实测效果如何？

获得测试资格后，切换到文心大模型4.0，就可以开始玩耍了。

相比文心大模型3.5刚出来的时候，文心大模型4.0现在已经进化出了更多功能，光是插件就有8个，包括一镜流影（文字转视频）、说图解画（看图说话）、E言易图（可视化数据分析）等。

这些插件还可以自由组合，来完成更复杂的任务。

百度在世界大会现场，重点演示的还是文心大模型4.0的图文创作、数理逻辑推理等实用功能。那我们还是老样子，从更基础的角度出发，测测它的四大“基本功”——

理解、生成、逻辑和记忆能力。

理解能力，尤其是中文理解能力

第一波，先来看看文心大模型4.0的理解能力。

这里我们主要考考它应对“语言陷阱”的能力，以及网络段子的“识别力”。

先来个中文十级能力测试题，考考大模型究竟懂不懂“真的假的”是什么意思。

文心大模型4.0的回答很简洁，直接给出答案。

GPT-4则要每一句话都仔细分析句意，最后再给出回答：

虽然更仔细，但总感觉有点像是在认真做中文测试的歪果仁（doge）。

再来上点难度，“小偷偷偷偷东西”。

文心大模型4.0很快拆解出了“小偷”、“偷偷”和“偷东西”三个词，get到了这句话的意思：

不过，GPT-4反而一头“栽”进了这个陷阱中，以为中间的两个“偷”也是动词，最后还漏了一个偷……

考查完语言陷阱后，再来看看双方对网络段子的理解。

针对“哪李贵了”这个本土梗，文心大模型4.0很快给出了答案，人物事件都直观：

GPT-4如果没有开搜索，会get不到2022年1月之后的梗：

但如果打开搜索，很快也能“与时俱进”，给出这个问题的答案：

同理，我们也试了试从国外传入国内的梗。

文心大模型4.0和GPT-4都能回答出来，文心大模型4.0更概要一些，GPT-4则是直接搬运了一套百科（更详细，但tokens也更贵……）：

网络段子测评看下来，文心大模型4.0和加了搜索的GPT-4可以说是各有千秋。

多模态生成能力

那么接下来这波，就要考验当下最受关注的大模型多模态生成能力了。

先来试试图像生成能力，顺便考查一下对古诗“孤舟蓑笠翁，独钓寒江雪”的理解。

文心大模型4.0很快给出了4张图像，风格和基本意境都比较符合：

GPT-4也利用DALL·E 3画出了4幅画，同样画风各异：

这一次双方打了个平手。

那么视频生成呢？这里我们调用一下文心大模型4.0的自带插件，本想着只是生成一段落叶剪辑，没想到连文案和字幕语音都配好了，完成度很高那种：

GPT-4本体目前还不支持生成视频，需要借助外部插件（如Capcut）实现这一功能。

逻辑能力

然后，就到了我们喜闻乐见的数学计算+逻辑推理能力测试了。

文心大模型4.0说是重点升级了数学计算能力，我们也不客气，直接上难倒一片大模型的Old McDonald问题：

在Old McDonald的农场里养着一匹马、两头牛和三只羊。请问农场还需要再养多少头牛，才能使得所有动物的总数量恰好是牛的总数量的两倍？

文心大模型4.0一口气列出了4个未知数（doge），但解题过程还是比较严谨的，最终答案也没有问题。

此前，我们曾将这个问题喂给Claude、ChatGPT等一众大模型，“横向评测”过一波它们的数学能力，当时只有GPT-4能做出来。

接下来，直接上弱智benchmark，考考逻辑推理能力。

第一个问题，文心大模型4.0和GPT-4都很快给出了正确答案：

第二个问题，双方的回答也很快，文心大模型4.0还顺口给出了“七分海洋三分陆地”的地理题背诵口诀：

看起来双方的数学、逻辑都不错，点个赞。

记忆能力

大语言模型公认的评判标准之一，是多轮对话能力。GPT-4的多轮对话已经有不少测试了，我们再来简单看看文心大模型4.0的效果。

先来解读一下长论文，没什么问题：

以这个为主题写一首诗歌，顺便让它改成英文，也能hold住：

试试让它改得押韵一点，no problem：

最后再来提问一下诗歌中用到的Transformer知识点，并挑出其中的某个知识点要求解释原理，也信手拈来：

另外，试着将上文中的知识点用“它”代替，文心大模型4.0同样能承接上文的对话，并给出相关知识回答。

看来无论是长文本解读、还是多轮对话，可以说都是难不倒文心大模型4.0了。

附加题

正经测试完毕，咱们最后整点乐子（doge）。

这段时间，一道神奇的考题又被拎出来，在小红书等社交媒体上“难倒众人”，题面是这样的：

根据中华人民共和国婚姻法，以下谁能结婚？

A、林黛玉和贾宝玉

B、贾琏和尤二姐

C、杨过和小龙女

D、张起灵和吴邪

乍一眼还真看不出答案，不如交给文心大模型4.0和GPT-4回答试试。

文心大模型4.0给出的回答算是有理有据，虽然细看仍有一点bug，但整体问题不大。

然而当我们将这个问题抛给GPT-4的时候，它先是停顿了好一会，然后直接被“急出母语”（doge）

翻译一下大概就是，GPT-4认为D选项是正确的……

我们再尝试一遍。这次GPT-4倒是用中文回答了，只不过好像开始打起了太极，对于每一个选项，它的回答都是：

在现实中，他们的结婚资格取决于他们是否符合中国的婚姻法律规定。

测到这里，不妨做个小小的总结：

整体来看，与GPT-4相比，文心大模型4.0在综合能力上确实不落下风，尤其是在中文理解能力和通用知识能力上甚至更好。

那么，这样的大模型究竟是怎么炼成的呢？

文心大模型4.0是如何炼成的？

先来看看文心大模型4.0的“自进化”程度。

据百度CTO王海峰介绍，大模型表现出的创作、编程、解题、规划等能力，实际上都依赖于背后的4大核心基础能力——

理解、生成、逻辑和记忆能力。

相比3.5版本，文心大模型4.0的4大基础能力均有了不少提升，而提升最大的，又要属逻辑和记忆能力。

其中，逻辑的提升幅度达到了理解的近3倍，而记忆的提升幅度则达到了理解的2倍多：

以大模型写代码为例。

目前，百度的不少员工已经用上了大模型写代码应用Comate，平均代码采纳率达到40%，高频用户达到60%。

甚至现在百度每天新增的代码中，20%都是靠Comate生成的，比例还在不断增加。

所以，文心一言背后的文心大模型4.0，究竟是怎么炼成的？

据王海峰表示，核心架构虽然还是从文心大模型3.0和3.5一脉相承，包括最初3.0的有监督精调、基于人类反馈的强化学习，以及3.5的知识点增强、逻辑推理增强、插件机制等。

但文心大模型4.0的技术改进，可以直接用三个“更”来总结：

更大的算力、更多的数据、更强的算法。

训练上，目前飞桨平台已经能在万卡算力上运行，基于集群基础设施、调度系统、软硬件协同优化，支持大规模稳定高效训练；同时，基于可再生训练技术中的增量式参数调优，来节省训练资源和时间。

基于这套技术，自3月份以来，文心大模型系列训练算法已经累计提效3.6倍，周均训练稳定有效率超过98%：

数据上，团队建设了一套多维数据体系，从数据挖掘、分析、合成标注和到评估，形成了一整套“流水线”，来进一步提升模型训练效果。

算法上，则基于有监督、精调、偏好学习和强化学习等技术，进行了多阶段的对齐，确保大模型能更好地与人类判断和选择进行对齐。

在这其中，有两方面很关键的技术细节。

一方面是知识点增强的能力。

过去大模型可能只在一个阶段做知识点增强，但现在百度在输入和输出两方面同时进行了知识点增强。

输入先用知识点增强，对用户输入的问题进行理解，拆解出回答问题所需知识点，基于搜索引擎、知识图谱、数据库查找知识，生成第一遍结果；

输出再用知识点增强，对第一遍生成的结果进行分析，并用搜索引擎、知识图谱、数据库进行“double check”，对其中有差错的地方进行修正。

另一方面是智能体机制。

《思考，快与慢》这本书中，将认知系统分成系统1（反应快但易出错）、系统2（反应慢但更理性准确）。

根据这个原理，百度在大模型基础上，进一步研制了系统2。

也就是说，相比大模型直接给出答案，现在进一步让它学会理解、规划、反思和进化，这样大模型执行就能更可靠、甚至完成自我进化，思考过程“白盒化”。

这两大技术细节，也造就了文心大模型4.0水平的飞速提升，甚至光是过去一个月的时间里，就提升了30%。

这样的技术，也让文心大模型4.0的用户和开发者人数增长得飞快。

截至目前，文心一言用户规模已经达到4500万人，开发者达到5.4万人，遍布4300多个使用场景，应用数量达到825个，并接入了超过500个插件。

而在技术之外，更值得关注的是，百度世界大会上透露出的信息显示，文心大模型4.0已经全面重构了百度的搜索、GBI、文库、网盘、地图等数十款应用。

AI原生时代大幕开启

为什么这么说？李彦宏在百度世界大会现场分享时强调：

大模型带来的智能涌现，是开发AI原生应用的基础。同样，没有构建于基础模型之上的丰富的AI原生应用，基础模型就没有任何价值。

无独有偶，红杉资本在《生成式AI进入第二阶段》中同样认为，生成式AI市场正在进入“第二幕”：

炒作和快速展示正在为真正的价值和完整的产品体验所取代。

底层的逻辑其实很简单：底层技术的重要性毋庸置疑，但前沿技术想要真正在人们的生活中创造价值，还是需要通过应用的形式。

如果说，大模型掀起的是人机交互方式变革的风暴，那么AI原生应用，正是纯自然语言交互的具体体现形式。

正如百度现场所演示的，数据分析现在可以是酱婶的——

直接对任意数据提问，AI分分钟就能展开具体分析，不再需要人工跨数据库、跨表格分析。

在办公软件如流里，交代出行计划，AI超级助手立马就能把差旅机酒安排妥当。

根据文档生成PPT，也就是一句话的事，像百度文库这样的产品，直接化身“生产内容最好的起点”。

我们日常熟悉的网盘、地图等App，基于大模型能力，也涌现出了全新的体验。

比如从网盘视频里直接提取重点内容。

比如在地图指挥AI订餐厅。

百度此番出手，可以说是直接展示了一把大模型全方位的应用渗透，揭开了AI原生时代大幕的一角。

而百度“第一个把全部产品用大模型重做一遍”的先手优势，也已经在更大范围内开始显现。

李彦宏透露，百度的大模型技术已经应用在制造、能源、电力、化工、交通等实体产业中，17000家企业已参与其中，大模型正在成为新型工业化的重要推动力。

从3月份文心一言发布，到年中文心大模型3.5版本更新，再到现在4.0惊艳亮相，百度文心大模型的迭代速度不可谓不迅速。

这背后既是国产大模型从技术demo到落地应用的激烈竞争，也再一次体现了百度在大模型领域深厚的技术积累。

并且随着文心大模型4.0和百度一众AI原生应用的亮相，大模型赛场上新一阶段的竞争方向愈发明显。

正如李彦宏所说：

我们即将进入一个AI原生的时代。一个人机通过prompt交互的时代。

在此过程之中，无论是国产大模型基础能力的快速追赶，还是AI原生应用开发的主动进击，都令人心潮澎湃。

AI原生时代，在各种层面上，都越来越值得期待了。