最近，由清華大學(xué)基礎(chǔ)模型研究中心聯(lián)合中關(guān)村實驗室研制的SuperBench大模型綜合能力評測框架，正式對外發(fā)布2024年3月版《SuperBench大模型綜合能力評測報告》。評測共包含了14個海內(nèi)外具有代表性的模型，結(jié)果顯示：文心一言4.0表現(xiàn)亮眼，與國際一流模型水平接近，且差距已經(jīng)逐漸縮小，名副其實為國內(nèi)頭部模型。
例如在人類對齊能力評測中，文心一言4.0表現(xiàn)優(yōu)異，位居國內(nèi)第一，其中在中文推理、中文語言等評測上，文心一言遙遙領(lǐng)先，和其他模型拉開明顯差距，中文理解上，文心一言4.0領(lǐng)先優(yōu)勢明顯，領(lǐng)先第二名GLM-4 0.41分，GPT-4系列模型表現(xiàn)較差，排在中下游，并且和第一名文心一言4.0分差超過1分。
在語義理解中的數(shù)學(xué)能力上，文心一言4.0與Claude-3并列全球第一； GPT-4系列模型位列第四五，其他模型得分在55分附近較為集中，明顯落后第一梯隊；而在語義理解中的閱讀理解能力上，文心一言4.0超過GPT-4 Turbo、Claude-3以及GLM-4拿下榜首。
而在企業(yè)選擇大模型最看重的安全性評測上，國內(nèi)模型文心一言4.0表現(xiàn)亮眼，力壓國際一流模型GPT-4系列模型和Claude-3拿下最高分（89.1分），Claude-3僅列第四。
值得注意的是，文心一言不僅在技術(shù)能力上過硬，在應(yīng)用落地上也是一路領(lǐng)先。自去年3月16日文心一言首發(fā)至今，用戶數(shù)已突破2億，每天API調(diào)用量也突破了2億。
2023年「百模大戰(zhàn)」，國產(chǎn)大模型廝殺猛烈，誰是真正的領(lǐng)頭羊？盡管國內(nèi)外存在多個模型能力評測榜單，但它們的質(zhì)量參差不齊，排名差異顯著。我們在看榜單參考的時候一定要多看權(quán)威機(jī)構(gòu)、權(quán)威高校的評測，為選擇大模型提供科學(xué)研判。
