阿里云發(fā)布通義千問2.0，性能超GPT-3.5

10月31日阿里云正式發(fā)布了1000億級參數(shù)大模型“通義千問2.0”。這2.0在10個權威評價中超過了gpt-3.5，正在快速追趕gpt-4。當天，通義千問app在各種手機應用市場正式上市，任何人都可以通過app直接體驗最新模特能力。

在過去的6個月里，通義千問2.0與4月份推出的1.0版本相比，在復雜的命令理解、文學創(chuàng)作、通用數(shù)學、知識記憶、幻覺抵抗力等方面有了很大的提高。目前，通義千問的千托綜合性能已經(jīng)超過gpt-3.5，正在快速趕上gpt-4。

在mmlu、c-eval、gsm8k、humaneval、math等10個主要標準評價集中，通義千問2.0整體上領先meta的rama -2-70b，與openai的chat 3.5相比，是9勝1負。與gpt-4的戰(zhàn)績?yōu)?勝6負，差距進一步縮小。

漢語和英語的理解能力是大語言模型的基本技能。在英語作業(yè)中，mmlu的標準分數(shù)為82.5分，僅次于gpt-4，可以更好地理解和處理復雜的語言結構和概念。在漢語任務方面，通義千問2.0以明顯優(yōu)勢在c-eval標準中獲得最高分，這是因為模型在訓練中學習了更多的漢語語言資料，進一步強化了對漢語的理解和表達能力。

在數(shù)學推理、代碼理解等領域，通義千問2.0進步明顯。在推理基準測試GSM8K中，通義千問排名第二，展示了強大的計算和邏輯推理能力；在HumanEval測試中，通義千問得分緊跟GPT-4和GPT-3.5，該測試主要衡量大模型理解和執(zhí)行代碼片段的能力，這一能力是大模型應用于編程輔助、自動代碼修復等場景的基礎。

通義千問2.0在技術上優(yōu)化了命令遵守、工具使用和精細化，以便更好地整合到下游應用程序腳本中。通義大模型官方網(wǎng)站提供多模態(tài)和插件功能，支持圖片輸入、文件解釋等細分化工作。

與此同時，基于通義大學模型訓練的8大行業(yè)模型隊啟動。他們分別通義靈碼-智能編碼助手、通義智文-AI閱讀助手、通義聽悟-工作學習AI助手、通義星塵-個性化角色創(chuàng)作平臺、通義點金-智能投研助手、通義曉蜜-智能客服、通義仁心-個人專屬健康助手、通義法睿-AI法律顧問。8個產(chǎn)業(yè)模型以目前最受歡迎的多個垂直劇本為對象，訓練各領域的數(shù)據(jù)。用戶可以在官方網(wǎng)站直接體驗模型功能，開發(fā)者可以通過網(wǎng)頁嵌入式、api/sdk調用等將模型功能整合到自己的大規(guī)模模型應用和服務中。

截至10月，阿里云已與60多個行業(yè)合作伙伴進行深度合作，推進通義錢文辦公、文化旅游、電力、政務、醫(yī)療保險、交通、制造、金融、軟件開發(fā)等領域的出臺。

周靖人表示，阿里云近期將開放72b版本，此前阿里云先后開放了7b版本和14b版本，累計下載次數(shù)超過100萬次。ali cloud持續(xù)支持各領域開發(fā)者在通義千問的開源模型基礎上進行模型和應用創(chuàng)新。