百度的文心一言刚刚被应用于他们的最新模型文心 4.5 和推理模型 X1 。
早上 10 点多起床后看到了新闻,感觉有点懵。这是在大周末的时候,事情显得挺突然的。
3 月 16 日被扒拉了 23 年,后来才发现,那一天是文心一言的正式发布。
原来文心一言都发布两年了啊。
两年时间,弹指一挥间。
文心 4.5 是一个原生多模态模型,类似于 GPT4o,它能够理解音频、视频和图片。然而,它仅仅具备理解的能力,却没有输出的能力。而文心 X1 是一个正常的推理模型。
按照惯例,先看一下官方给的参数数据。
基准测试成绩的平均分比较高。在大家较为看重的编程方面,所使用的测试基准为 Humaneval+、MBPP+、LiveCodeBench。未见到诸如 Claude 他们所使用的 SWE-bench Verified 基准,不清楚真实的跑分情况会如何。
而X1,没有跑分对比,只放出了价格。
价格说实话,文心确实有不错的亮点。
GPT4.5 发布之际,我进行了一番吐槽。它的输入规模是 DeepSeek v3 的 280 倍,输出规模是 150 倍。
真的,现在想起来我还是觉得很离谱。
文心大模型在这方面给我带来了很大的惊喜。文心 4.5 的输入价格是每千 tokens0.004 元,输出价格是每千 tokens0.016 元,大约是 GPT4.5 价格的 1%。
同样是4.5,OpenAI你看看人家。。
推理模型 X1 这方面,价格只是 DeepSeek R1 的一半。其输入的价格是 0.002 元/千 tokens,输出的价格是 0.008 元/千 tokens。
它比 DeepSeek 要便宜。我不吹嘘也不抹黑,它确实有一定的优势。确实很厉害,很牛。
目前这两个模型,已经上线他们官网了。
我测了一整个早上,现在来说说我的实测结论:它是挺全面的,各种东西都具备,也很综合。
大家可以先试试看,自己有一个大概的感知,再回来继续读。
接下来,我们一个一个说。
文心4.5。
解析图片、视频啥的都支持,还能直接绘图。
图片理解能力还不错,测了梗图理解,基本都能get到意思。
但是一些藏起来的梗,还是比较难识别。
感觉AI还是不能理解人类牛马的生活。。
在写作能力方面,比较擅长写一些比较硬的模板,写一些套路化的东西还是可以的。然而,若要写故事,坦率地说,还需要进一步加以精炼。
视频解析较为基础,我们能够理解它的内容。然而,它却无法进行像电影拉片那样的操作。
图生图,准倒是挺准的。
像不像的另说,反正挺帅的。
玩了半天,脑筋急转弯测下来算是个强项。
比如之前在我群里这个流传的脑筋急转弯。
文心4.5居然答对了。
再问一下 Claude3.7+extended 相同的问题,因为 3.7 没答对,我又添加了一个推理。
7??思考了一分多钟的废物。。
再来说说这个百度第一次推出的推理模型X1。
打开【联网搜索+调用工具】后也能调用图片理解和上传文件。
但是交互方面非常怪异。如果你没有开启联网,那么你就无法看到上传附件的入口。
先打开联网搜索,这时候调用工具亮起,成为非置灰状态。
再打开调用工具,才能看到上传文档和图片。
说实话,我干 UX 设计快 10 年了。这个交互真的让我有些摸不着头脑。
在推理能力上,效果还行。
比如一个经典的问题:
有一天,一个女孩参加数学考试,结果只得了 38 分。她心里非常害怕父亲的惩罚,就偷偷地把分数改成了 88 分。她的父亲看到试卷后,非常生气,狠狠地给了她一耳光,并且怒吼道:“你看你的 8,怎么一半是绿的,一半是红的,你以为我是傻子吗?”女孩被打后,委屈地哭了起来,一句话也没说。过了一会儿,父亲想到了一件事。他抱住孩子,然后痛哭起来。父亲想到了什么事呢?
虽然文心X1内心戏有点多,但是最后答对了。
而X1的文笔,也有一些自己独有的感觉了。
有一说一,这个故事,还真的挺好看的。
我传了一张图上去,想在图片理解方面试试。我原本想让他推断出我的年龄。
结果给我认成韩国演员了,好好好。
我还专门去搜了一下,长这样。
和我像吗?和之前 4.5 生成的有一点像呢,而且还连上了呀。
DeepSeek 之前表现得较为圆滑,情商也较高,所以不少人都说“不愧是中国的 AI”,我也对 X1 进行了测试。
比如说,我问我和大聪明哪个写文章更有深度。
第一遍回答的是大聪明。
但是我一说,我是数字生命卡兹克。
他就选我了哈哈哈哈,不愧是made in China。
昨天发生了一件让我很气愤的事。315 打假行动直接使得一堆卫生巾消失了。
我一个男生都看不下去了,赶紧给身边的女生们避避雷。
当然,文心一言总体能力并没有超出太多预期。
在处理超前沿专业问题时,其深度方面有所欠缺;回答问题时的灵活度还需要提升;在回答中仍会出现模板化且过于像 AI 的情况。
我不理解,今天发布却要等 3 个月之后才开源。我也不理解,为什么不能像 Qwen 和智谱、混元那样,发布的时候就开源。
一声叹息。
此次升级,文心一言在努力拉近与之前落下距离的差距。
回顾一下文心一言的发展历程,其实挺有戏剧性的。
2023 年 3 月,在那个荒远的时代。众人都被 GPT4 给弄懵了。文心一言正式上线了,它成为了国内首个大规模推出的通用大模型产品,并且被大家视为全村的希望。
文心一言的出现让我们有了“中国也有大模型”的信心。只要你愿意去排队,就能够率先体验这个被称作“国产 GPT”的产品。
然而,好景并未持续太久。随着越来越多的玩家进入,文心一言开始逐步展现出在能力方面的限制。
其次是产品定位的不稳定。它一会儿着重于搜索增强,一会儿又将方向转向创意创作,文心一言仿佛一直在探寻自身的独特价值,然而却使得核心竞争力变得模糊不清。
当然,这是大部分模型公司共同的痛点。
核心在于过早开始收费,这使得不少用户选择了观望,或者转投其他平台。
直到 DeepSeek 有了出圈的这一波表现,大家才意识到,原来模型就是产品。
这次文心一言 X 发布了,从早上的体验来看,在追赶的路上有了一些进展;这次文心 4.5 也发布了,从早上的体验来看,在追赶的路上也有了一些进展。
就像是文心X1对自己的评价,再合适不过了。
国内大模型的发展回到了正轨。DeepSeek 开始崛起,豆包和 Kimi 等产品在不断地进行迭代,文心一言这次也突然发起了追击,国内大模型圈正呈现出一种良性竞争的态势。
当然,前路仍漫漫。
国产大模型与全球顶尖大模型相比,在技术深度方面存在差距,在思维广度方面也存在差距。不过,这种差距正在逐渐缩小,并且缩小的速度超出了我们的想象。
希望吧。