大模型「混乱期」：谨慎如腾讯，激进如字节
生活词典
changshi.cidiancn.com
阅读:
1094
字节和腾讯这对老冤家，正在大模型的赛道背道而驰。撰文|蓝洞商业 赵卫卫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。不跟同行比，或许可以说是混元大模型一大特色。其发布后一直低调前行，最初只限于邀请测试，10 月开始逐渐放开，最新的动作是在 10 月 26 日官宣开放「文生图」功能，并称升级后的腾讯混元中文能力整体超过GPT3.5，代码能力大幅提升20%。最能展现腾讯混元大模型升级进化的案例是，不同进化阶段对同一问题的回答。同一个问题，混元大模型在 10 月和 12 月给出的不同答案「蓝洞商业」在 10 月中旬的测试中发现，混元大模型对未知的问题会给出幻觉性的答案。其实，幻觉问题一直是大模型的通病，简而言之就是杜撰甚至是一本正经的胡说八道。而升级之后，12 月的表现明显更智能，对未知的问题会给出带有可解释和可说明性的答案。早在 9 月份，腾讯混元大模型发布时，其就称在解决「大模型幻觉」问题上能力突出，主要方法是不依赖外挂，在预训练阶段通过「探真」算法进行事实修正，让混元大模型的幻觉相比主流开源大模型降低了 30 %至 50 %。腾讯旗下 AI Lab 也曾就大模型的幻觉问题做出论文研究，题目为《AI 海洋中的海妖之歌：大语言模型中的幻觉调查》。可以说，腾讯在「大模型幻觉」问题上早已有所准备。聚焦自身大模型技术和能力的升级，而不是像百度、字节一样广泛拓展 C 端应用场景，可以看作目前腾讯混元大模型的重要战略之一。同时存在的问题是，混元大模型仍局限在腾讯流量范围内，尚未与对手产生正面竞争。字节从「APP工厂」到「AI工厂」退中有进，是字节 11 月的关键词。就在 PICO 和朝夕光年大幅度裁员缩减团队规模后，字节成立了一个新 AI 部门Flow，技术负责人为字节跳动技术副总裁洪定坤，业务带头人为字节大模型团队的负责人朱文佳。此举被解读为字节押注大模型，减少游戏和 XR 相关的投入。Flow 聚焦的是 AI 应用层，也就是大模型厂商最渴望得到的能落地的应用产品。字节在 AI 相关应用层最新发布的产品「ChitChop」，由新加坡公司 POLIGON 开发，在海外上线运营。此前，字节曾在国内和国际上推出了豆包和Cici，这两款初级阶段的产品都是提供知识问答、续写、内容生成等服务。而 ChitChop 的主打功能远比此前的 Cici 和豆包更全能，200 多款智能应用遍布AI创作、AI 绘图、休闲娱乐、学习提升、工作效率提升和生活助手六大方面，号称「旨在提供创造性灵感和提升效率」。至此，新加坡成了字节在 AI 战略中的重心所在，POLIGON 是字节海外的重要运营公司之一，2020年在新加坡注册成立，主营业务是软件和应用程序的开发，其次是电脑游戏的开发。更关键的是团队核心所在。2021 年，原今日头条 CEO 朱文佳调任新加坡，负责 Tiktok 的技术研发，外界猜测新加坡将成为 Tiktok 海外新总部驻地。另据《中国企业家》报道，张一鸣目前身处新加坡，他招聘了数名 OpenAI 的员工来组建团队，学习 AI，探索一些新玩法。海外上线的 ChitChop，目前下载量等数据并不亮眼，但可以看作是字节在大模型 C 端应用层面的一次探路。但潜在问题是，海外版的ChitChop，Logo的标识也是简写的 CC，这与此前发布的 CiCi 在名称上有很大的雷同，极容易被混淆。ChitChop背后的支持是字节的云雀大语言模型，如果说 ChitChop 是做好的商品，云雀大模型就是背后的提供商品的大商场。ChitChop 借助云雀大语言模型的能力，能够提供更加智能和个性化的服务。而云雀大语言模型只是字节 AI 战略的一部分，其还通过火山引擎做大模型的平台服务。也就是说，B 端模型层和 C 端应用层，两手都要抓。火山引擎智能算法负责人、火山方舟负责人吴迪曾公开表示，「火山方舟平台上面有众多优质的、精选的国内的高质量商用模型，像智谱 AI 的 ChatGLM 的商用版本，像 MiniMax 的 MiniMax-ABAB 5.5 以及字节的云雀模型等等。我们有很多客户基于方舟平台，在这些优质的商用模型上去开发自己的应用。」而依赖于抖音和 TikTok 的影响力，多个 AI 相关产品将借势推出。据公开报道，字节将推出一个名为「机器人开发平台」的开放平台，允许用户自主创建自己的聊天机器人。此外，抖音还计划在主APP内推出多个 AI 聊天机器人，近期已经上线的「抖音心晴」定位情绪关怀机器人。既做商品，又做商场，万箭齐发、广泛布局的策略，自然很容易被理解为字节从「APP 工厂」变成「AI 工厂」。问题在于，在底层大模型技术和能力完全落后于 ChatGPT 的状态下，应用场景是否真的有竞争力？曾经在移动互联网时代成功的打法，能否在 AI 大模型成功复用？都是留给字节的拷问。大模型的基础能力，决定了应用场景的上限，尤其是 ChatGPT4.5 版本即将到来，字节的 ChitChop 尚且稚嫩，在海外市场能否正面竞争？也是一个未知数。谁能抓住 OpenAI 的混乱期？就在山姆·奥尔特曼被戏剧性赶下台，又在微软的支持下重回 OpenAI 的 CEO 之位，各方 AI 势力都在蠢蠢欲动，试图在这个混乱期，重新找回属于自己的人工智能机会点。以谷歌为代表，12 月 7 日发布的 AI 大模型 Gemini，就号称比包括 ChatGPT 在内的目前市场上任何产品都要强大，其发布了高中低三个版本的大模型，分别是适用于高度复杂任务的 Gemini Ultra 、适用于各种任务的最佳模型 Gemini Pro 以及适用于端侧设备的 Gemini Nano 。其中 Gemini Pro 对标的是免费版 ChatGPT，而最高版本的 Gemini Pro 将于明年年初开始给开发人员广泛使用。而同样是大模型加应用层的策略，谷歌的 Bard 聊天机器人远远落后于 ChatGPT，而发布大模型之后，谷歌将把Gemini 大模型的能力赋加在 Bard 聊天机器人上，明年还将发布一款名为 Bard Advanced 的聊天机器人，而适用于端侧设备的 Gemini Nano 大模型则会引入安卓手机中。在谷歌最吸引人的 6 分多钟演示视频中，Gemini 大模型的能力得以展示，它可以根据人在纸上随意画出的形象，实时给出人一样的判断和推理回答，并且能够检查物理作业问题，诊断预先写好的解决方案，并给出正确答案。但仅仅两天后，谷歌就被「打脸」了，谷歌大模型并没有外界传说的那么惊艳。事实上，那段演示视频并非是实时进行的，也不是通过语音对话完成的，Gemini 并不能达到视频中的效果，谷歌方面后来承认，「为了本次演示，我们缩短了延迟并精简了 Gemini 的输出。」而根据谷歌自己发布的数据对比图，Gemini Ultra 仅以微弱优势领先于 OpenAI 的 GPT-4 模型，换句话说，谷歌最新的 AI 模型，水平仅仅比 OpenAI 一年前的基础高一点而已，并非有巨大的优势，况且目前真正代表 OpenAI 实力的，是下一代的 GPT-4.5或 GPT-5。可以说，即便是巨头谷歌，当下 AI 发展的状态也是追赶 OpenAI，其急于通过产品展示和证明自己的 AI 发展速度，本身是一种利用 OpenAI 混乱期的营销策略。OpenAI 的混乱期，是 AI 行业滚滚浪潮中的一个插曲，尤其是「 GPT 商店」推迟到 2024 年发布，这无疑是 OpenAI 商业化前进中的一个减速动作，对OpenAI来说是一个坎坷，但对行业竞争者来说，可能就是一个突围时机。「百模大战」已经告一段落，谨慎如腾讯，激进如字节。这对昔日的老冤家，如今都在大模型战略上不遗余力，走上了截然不同的发展路径，背道而驰：一个极力扩充 AI 大模型的使用场景，找到下一个超级流量入口；另外一个则是不断打磨大模型的技术和能力，把使用场景局限在小程序范围内。AI 大模型之战是互联网巨头不能丢掉的阵地，而对百度、腾讯、阿里和字节为代表的国内互联网大厂来说，各家的底层大模型产品虽然数据能力各有差异，但基础设施已经有了。下一个竞争焦点，就是如何在底层模型能力上跑出一大批落地的 AI 应用，抓住这个混乱期成功突围。最本质的问题依旧是：国产大模型什么时候能跟 ChatGPT 一样好用？