就在剛剛，文心大模型4.0版本正式發布！
北京首鋼園現場，李彥宏直接放話：
文心大模型4.0綜合水平與GPT-4相比已經毫不遜色。
話不多說，一起來看現場演示效果。
先來段倒裝prompt：
我想回承德買房，能用公積金貸款嗎？手續怎麽辦？我在北京工作。
不僅關鍵信息"北京工作"放在了最後，公積金具體是在哪裏交的也沒有明示。
但新版文心一言完全沒有被這些小陷阱坑到，順利給出了正确答案。
生成方面，當場剪出一整段數字人口播視頻，毫不費勁：
解起數學題來也得心應手，可以說是家長輔導作業神器了（doge）。
新版文心一言還現場寫起了武俠小說，即使持續添加人物角色、增加戲劇沖突，也不會出現記憶混亂、前言不搭後語的情況：
如此表現，着實是讓現場觀衆high了一把。
文心大模型4.0相關話題，也立刻被國内外網友們熱議起來。
據現場介紹，相比線上3.5版本的文心一言，文心大模型4.0進步明顯：僅9月啓動小流量測試這過去的一個月，就又提升了30%。
那麽，問題來了：文心大模型4.0真有這麽好？具體與GPT-4相差幾何？
目前，文心大模型4.0已經開啓邀測，量子位也在第一時間拿到了測試資格。
我們直接實測走起。
相比GPT-4實測效果如何？
獲得測試資格後，切換到文心大模型4.0，就可以開始玩耍了。
相比文心大模型3.5剛出來的時候，文心大模型4.0現在已經進化出了更多功能，光是插件就有8個，包括一鏡流影（文字轉視頻）、說圖解畫（看圖說話）、E言易圖（可視化數據分析）等。
這些插件還可以自由組合，來完成更複雜的任務。
百度在世界大會現場，重點演示的還是文心大模型4.0的圖文創作、數理邏輯推理等實用功能。那我們還是老樣子，從更基礎的角度出發，測測它的四大"基本功"——
理解、生成、邏輯和記憶能力。
理解能力，尤其是中文理解能力
第一波，先來看看文心大模型4.0的理解能力。
這裏我們主要考考它應對"語言陷阱"的能力，以及網絡段子的"識别力"。
先來個中文十級能力測試題，考考大模型究竟懂不懂"真的假的"是什麽意思。
文心大模型4.0的回答很簡潔，直接給出答案。
GPT-4則要每一句話都仔細分析句意，最後再給出回答：
雖然更仔細，但總感覺有點像是在認真做中文測試的歪果仁（doge）。
再來上點難度，"小偷偷偷偷東西"。
文心大模型4.0很快拆解出了"小偷"、"偷偷"和"偷東西"三個詞，get到了這句話的意思：
不過，GPT-4反而一頭"栽"進了這個陷阱中，以爲中間的兩個"偷"也是動詞，最後還漏了一個偷……
考查完語言陷阱後，再來看看雙方對網絡段子的理解。
針對"哪李貴了"這個本土梗，文心大模型4.0很快給出了答案，人物事件都直觀：
GPT-4如果沒有開搜索，會get不到2022年1月之後的梗：
但如果打開搜索，很快也能"與時俱進"，給出這個問題的答案：
同理，我們也試了試從國外傳入國内的梗。
文心大模型4.0和GPT-4都能回答出來，文心大模型4.0更概要一些，GPT-4則是直接搬運了一套百科（更詳細，但tokens也更貴……）：
網絡段子測評看下來，文心大模型4.0和加了搜索的GPT-4可以說是各有千秋。
多模态生成能力
那麽接下來這波，就要考驗當下最受關注的大模型多模态生成能力了。
先來試試圖像生成能力，順便考查一下對古詩"孤舟蓑笠翁，獨釣寒江雪"的理解。
文心大模型4.0很快給出了4張圖像，風格和基本意境都比較符合：
GPT-4也利用DALL·E 3畫出了4幅畫，同樣畫風各異：
這一次雙方打了個平手。
那麽視頻生成呢？這裏我們調用一下文心大模型4.0的自帶插件，本想着隻是生成一段落葉剪輯，沒想到連文案和字幕語音都配好了，完成度很高那種：
GPT-4本體目前還不支持生成視頻，需要借助外部插件（如Capcut）實現這一功能。
邏輯能力
然後，就到了我們喜聞樂見的數學計算+邏輯推理能力測試了。
文心大模型4.0說是重點升級了數學計算能力，我們也不客氣，直接上難倒一片大模型的Old McDonald問題：
在Old McDonald的農場裏養着一匹馬、兩頭牛和三隻羊。請問農場還需要再養多少頭牛，才能使得所有動物的總數量恰好是牛的總數量的兩倍？
文心大模型4.0一口氣列出了4個未知數（doge），但解題過程還是比較嚴謹的，最終答案也沒有問題。
此前，我們曾将這個問題喂給Claude、ChatGPT等一衆大模型，"橫向評測"過一波它們的數學能力，當時隻有GPT-4能做出來。
接下來，直接上弱智benchmark，考考邏輯推理能力。
第一個問題，文心大模型4.0和GPT-4都很快給出了正确答案：
第二個問題，雙方的回答也很快，文心大模型4.0還順口給出了"七分海洋三分陸地"的地理題背誦口訣：
看起來雙方的數學、邏輯都不錯，點個贊。
記憶能力
大語言模型公認的評判标準之一，是多輪對話能力。GPT-4的多輪對話已經有不少測試了，我們再來簡單看看文心大模型4.0的效果。
先來解讀一下長論文，沒什麽問題：
以這個爲主題寫一首詩歌，順便讓它改成英文，也能hold住：
試試讓它改得押韻一點，no problem：
最後再來提問一下詩歌中用到的Transformer知識點，并挑出其中的某個知識點要求解釋原理，也信手拈來：
另外，試着将上文中的知識點用"它"代替，文心大模型4.0同樣能承接上文的對話，并給出相關知識回答。
看來無論是長文本解讀、還是多輪對話，可以說都是難不倒文心大模型4.0了。
附加題
正經測試完畢，咱們最後整點樂子（doge）。
這段時間，一道神奇的考題又被拎出來，在小紅書等社交媒體上"難倒衆人"，題面是這樣的：
根據中華人民共和國婚姻法，以下誰能結婚？
A、林黛玉和賈寶玉
B、賈琏和尤二姐
C、楊過和小龍女
D、張起靈和吳邪
乍一眼還真看不出答案，不如交給文心大模型4.0和GPT-4回答試試。
文心大模型4.0給出的回答算是有理有據，雖然細看仍有一點bug，但整體問題不大。
然而當我們将這個問題抛給GPT-4的時候，它先是停頓了好一會，然後直接被"急出母語"（doge）
翻譯一下大概就是，GPT-4認爲D選項是正确的……
我們再嘗試一遍。這次GPT-4倒是用中文回答了，隻不過好像開始打起了太極，對于每一個選項，它的回答都是：
在現實中，他們的結婚資格取決于他們是否符合中國的婚姻法律規定。
測到這裏，不妨做個小小的總結：
整體來看，與GPT-4相比，文心大模型4.0在綜合能力上确實不落下風，尤其是在中文理解能力和通用知識能力上甚至更好。
那麽，這樣的大模型究竟是怎麽煉成的呢？
文心大模型4.0是如何煉成的？
先來看看文心大模型4.0的"自進化"程度。
據百度CTO王海峰介紹，大模型表現出的創作、編程、解題、規劃等能力，實際上都依賴于背後的4大核心基礎能力——
理解、生成、邏輯和記憶能力。
相比3.5版本，文心大模型4.0的4大基礎能力均有了不少提升，而提升最大的，又要屬邏輯和記憶能力。
其中，邏輯的提升幅度達到了理解的近3倍，而記憶的提升幅度則達到了理解的2倍多：
以大模型寫代碼爲例。
目前，百度的不少員工已經用上了大模型寫代碼應用Comate，平均代碼采納率達到40%，高頻用戶達到60%。
甚至現在百度每天新增的代碼中，20%都是靠Comate生成的，比例還在不斷增加。
所以，文心一言背後的文心大模型4.0，究竟是怎麽煉成的？
據王海峰表示，核心架構雖然還是從文心大模型3.0和3.5一脈相承，包括最初3.0的有監督精調、基于人類反饋的強化學習，以及3.5的知識點增強、邏輯推理增強、插件機制等。
但文心大模型4.0的技術改進，可以直接用三個"更"來總結：
更大的算力、更多的數據、更強的算法。
訓練上，目前飛槳平台已經能在萬卡算力上運行，基于集群基礎設施、調度系統、軟硬件協同優化，支持大規模穩定高效訓練；同時，基于可再生訓練技術中的增量式參數調優，來節省訓練資源和時間。
基于這套技術，自3月份以來，文心大模型系列訓練算法已經累計提效3.6倍，周均訓練穩定有效率超過98%：
數據上，團隊建設了一套多維數據體系，從數據挖掘、分析、合成标注和到評估，形成了一整套"流水線"，來進一步提升模型訓練效果。
算法上，則基于有監督、精調、偏好學習和強化學習等技術，進行了多階段的對齊，确保大模型能更好地與人類判斷和選擇進行對齊。
在這其中，有兩方面很關鍵的技術細節。
一方面是知識點增強的能力。
過去大模型可能隻在一個階段做知識點增強，但現在百度在輸入和輸出兩方面同時進行了知識點增強。
輸入先用知識點增強，對用戶輸入的問題進行理解，拆解出回答問題所需知識點，基于搜索引擎、知識圖譜、數據庫查找知識，生成第一遍結果；
輸出再用知識點增強，對第一遍生成的結果進行分析，并用搜索引擎、知識圖譜、數據庫進行"double check"，對其中有差錯的地方進行修正。
另一方面是智能體機制。
《思考，快與慢》這本書中，将認知系統分成系統1（反應快但易出錯）、系統2（反應慢但更理性準确）。
根據這個原理，百度在大模型基礎上，進一步研制了系統2。
也就是說，相比大模型直接給出答案，現在進一步讓它學會理解、規劃、反思和進化，這樣大模型執行就能更可靠、甚至完成自我進化，思考過程"白盒化"。
這兩大技術細節，也造就了文心大模型4.0水平的飛速提升，甚至光是過去一個月的時間裏，就提升了30%。
這樣的技術，也讓文心大模型4.0的用戶和開發者人數增長得飛快。
截至目前，文心一言用戶規模已經達到4500萬人，開發者達到5.4萬人，遍布4300多個使用場景，應用數量達到825個，并接入了超過500個插件。
而在技術之外，更值得關注的是，百度世界大會上透露出的信息顯示，文心大模型4.0已經全面重構了百度的搜索、GBI、文庫、網盤、地圖等數十款應用。
AI原生時代大幕開啓
爲什麽這麽說？李彥宏在百度世界大會現場分享時強調：
大模型帶來的智能湧現，是開發AI原生應用的基礎。同樣，沒有構建于基礎模型之上的豐富的AI原生應用，基礎模型就沒有任何價值。
無獨有偶，紅杉資本在《生成式AI進入第二階段》中同樣認爲，生成式AI市場正在進入"第二幕"：
炒作和快速展示正在爲真正的價值和完整的産品體驗所取代。
底層的邏輯其實很簡單：底層技術的重要性毋庸置疑，但前沿技術想要真正在人們的生活中創造價值，還是需要通過應用的形式。
如果說，大模型掀起的是人機交互方式變革的風暴，那麽AI原生應用，正是純自然語言交互的具體體現形式。
正如百度現場所演示的，數據分析現在可以是醬嬸的——
直接對任意數據提問，AI分分鍾就能展開具體分析，不再需要人工跨數據庫、跨表格分析。
在辦公軟件如流裏，交代出行計劃，AI超級助手立馬就能把差旅機酒安排妥當。
根據文檔生成PPT，也就是一句話的事，像百度文庫這樣的産品，直接化身"生産内容最好的起點"。
我們日常熟悉的網盤、地圖等App，基于大模型能力，也湧現出了全新的體驗。
比如從網盤視頻裏直接提取重點内容。
比如在地圖指揮AI訂餐廳。
百度此番出手，可以說是直接展示了一把大模型全方位的應用滲透，揭開了AI原生時代大幕的一角。
而百度"第一個把全部産品用大模型重做一遍"的先手優勢，也已經在更大範圍内開始顯現。
李彥宏透露，百度的大模型技術已經應用在制造、能源、電力、化工、交通等實體産業中，17000家企業已參與其中，大模型正在成爲新型工業化的重要推動力。
從3月份文心一言發布，到年中文心大模型3.5版本更新，再到現在4.0驚豔亮相，百度文心大模型的叠代速度不可謂不迅速。
這背後既是國産大模型從技術demo到落地應用的激烈競争，也再一次體現了百度在大模型領域深厚的技術積累。
并且随着文心大模型4.0和百度一衆AI原生應用的亮相，大模型賽場上新一階段的競争方向愈發明顯。
正如李彥宏所說：
我們即将進入一個AI原生的時代。一個人機通過prompt交互的時代。
在此過程之中，無論是國産大模型基礎能力的快速追趕，還是AI原生應用開發的主動進擊，都令人心潮澎湃。
AI原生時代，在各種層面上，都越來越值得期待了。
— 完 —
點這裏關注我，記得标星哦～
一鍵三連「分享」、「點贊」和「在看」
科技前沿進展日日相見 ~
