一、前言：七大維度全面升級 訊飛星火認知大模型3.5來了 自ChatGPT問世以來，國內(nèi)科技企業(yè)、科研機構紛紛加入大模型賽道，掀起“千模大戰(zhàn)”。 在“大力出奇跡”的路徑下，大模型還需要海量的數(shù)據(jù)“喂養(yǎng)”...
一、前言：七大維度全面升級 訊飛星火認知大模型3.5來了
自ChatGPT問世以來，國內(nèi)科技企業(yè)、科研機構紛紛加入大模型賽道，掀起“千模大戰(zhàn)”。
在“大力出奇跡”的路徑下，大模型還需要海量的數(shù)據(jù)“喂養(yǎng)”以及大規(guī)模算力投入，才能真正超越ChatGPT。
如今，國內(nèi)已被大規(guī)模應用的大模型有科大訊飛旗下的星火認知大模型、百度旗下的文心一言（百度文心大模型）、阿里巴巴旗下的通義千問（阿里通義大模型）等等。
近期，科大訊飛再次取得突破，推出了基于首個純國產(chǎn)算力底座“飛行一號”平臺訓練的大模型——訊飛星火V3.5。
據(jù)介紹，訊飛星火V3.5整體接近GPT-4 Turbo，其語言理解、數(shù)學能力均已經(jīng)超過GPT-4 Turbo，代碼能力達到GPT-4 Turbo的 96%，多模態(tài)理解達到GPT-4V 的91%。
說了這么多，那這款純國產(chǎn)的訊飛星火V3.5大模型在各方面的體驗究竟如何？對比國外的Chat GPT4.0又有多大的差距呢？
接下來，我們就對訊飛星火V3.5版本的大模型從語音交互、常規(guī)問答、語義理解、邏輯處理、數(shù)學能力、代碼編寫與解釋能力等多個維度，與國內(nèi)的百度文心一言以及國外的ChatGPT 4.0進行一次全面的測試對比。
二、全新的語音交互體驗：以最自然的方式進行對話 毫無機械感
訊飛星火V3.5的第一大特性，就是提升了大模型的語音交互能力。
在訊飛星火V3.5版的APP界面底部，新增了一個機器人的圖標，點擊即進入到全語音交互界面。
在語音交互中，注入了兩種音色輸出，即聆小玥（女聲）、聆飛逸（男聲）。
我們測試了幾個問題，來考察下訊飛3.5的語音交互能力。
首先是訊飛星火 V3.5的對話視頻。
訊飛星火 V3.5 的全語音交互體驗極為流暢，首先在音色上，完全消除了“機器感”，幾乎不會出現(xiàn)前后音調(diào)不搭的情況，聲音聽上去就像是真人在你旁邊說話一樣。
其次，其AI合成的聲音自然逼真，甚至連語氣詞，例如“嗯”、“這個”、“那個”等都運用的恰到好處。
并且，語音輸出語速適中，該快的時候快，該慢的時候慢，如果有一個外行人在身邊，真的會認為這是一個真人在說話，擬人化程度相當驚人。
另外，在對話中，訊飛星火 V3.5 的反應特迅速，一般都是筆者的話音剛落，它就能立即作出回應，并且對語義的理解能力相當精準，對問題的判斷相當準確，相比其他的語音助手答非所問、自問自答、反應慢半拍的情況，可以說訊飛真正做到了跟人“交互”的程度。
接著是文心一言V4.0的語音交互。
文心一言V4.0在前幾天還是不具備語音交互的，但這兩天也推送了支持語音交互的新版本，我們也來測試一下它的語音交互能力。
在我們的測試中，文心一言V4.0的聲音連貫性比較和諧，幾乎不會出現(xiàn)斷裂和不自然的過渡，但回答的細膩程度不及訊飛星火V3.5，而且一些問題都是直問直答，沒有擴展性，并且缺少一些過渡用于，就有點像手機語音助手的那種感覺，聽著會有一些緊巴巴的感覺，給人的感受沒有訊飛那么自然。
最后是ChatGPT4.0的語音交互。
通過視頻我們可以感受到，ChatGPT4.0的語音輸出字句前后也比較自然，但還是會出現(xiàn)一些語調(diào)不均的情況，聽著會讓人有些別扭。
而且，由于網(wǎng)絡連接不穩(wěn)定，在語音交流過程中偶爾會出現(xiàn)等待時間過長的情況。
三、國內(nèi)外大模型對比測試：多項領域比肩ChatGPT 4.0 全面超越文心一言
接著，為了測試訊飛星火 V3.5在國際中的地位，我們使用國內(nèi)的另一大模型文心一言和國外的ChatGPT 4.0進行一次全面的測試對比。
1、常規(guī)問答
（1）已知問題測試
①中國2020年GDP是多少人民幣
訊飛星火V3.5
文心一言V4.0
Chat-GPT4.0
三個大模型的回答準確無誤，訊飛星火 V3.5和文心一言V4.0均給到了各大產(chǎn)業(yè)的占比以及增幅比，不過訊飛分析的更加透徹，說到2020年這一特殊的年份，國內(nèi)GDP增長的不易和國家正確的決策，能夠深入理解復雜的趨勢和事件。
Chat-GPT4.0則是直接給出了具體的數(shù)據(jù)，沒有做過多的信息擴展。
②最近一次的東京奧運會的獎牌榜前5名的國家和獎牌數(shù)分別是？
訊飛星火V3.5
文心一言4.0
Chat-GPT4.0
第二個問題，只有訊飛星火3.5給出了正確的答案，文心一言則僅給到了前三的國家和獎牌數(shù)量，沒有完整地回答問題，而ChatGPT的答案則出現(xiàn)了錯誤（中國共89枚獎牌）。
③全球第一款16GB內(nèi)存的智能手機是什么型號？
訊飛星火V3.5
文心一言V4.0
Chat-GPT4.0
第三個問題，面對機圈的問題，只有Chat-GPT4.0給到了正確答案，全球第一款16GB內(nèi)存的智能手機，是2020年年初發(fā)布的三星Galaxy S20 Ultra。
（2）未知問題測試
①世界第一高峰與世界第二高峰相差多少米？
訊飛星火V3.5
文心一言V4.0
Chat-GPT4.0
對于世界之最這類問題，訊飛星火V3.5給出的是巖面高度差，回答正確，文心一言和Chat-GPT給到的則是雪面高度差，精度一致，沒有任何問題。
2、邏輯推理能力
（1）魯迅為什么暴打周樹人？
訊飛星火V3.5
文心一言V4.0
Chat-GPT4.0
對于“魯迅為什么暴打周樹人”這種問題，訊飛星火、文心一言和ChatGPT4都能完美避坑，給出了魯迅和周樹人是同一個人的答案。
（2）昨天的當天是明天的什么？
訊飛星火V3.5
文心一言V4.0
Chat-GPT4.0
第二個問題，昨天的當天是明天的什么？訊飛星火V3.5和Chat-GPT4.0通過邏輯判斷均給出了正確答案，“前天”，而文心一言則給出“昨天的當天是明天的昨天”的答案，回答錯誤。
（3）龍龍的媽媽有4個孩子，其中3個孩子分別叫貝貝，天天和樂樂，請問她的第4個孩子叫什么？
訊飛星火V3.5
文心一言V4.0
Chat-GPT4.0
第三個問題，三個大模型均成功避坑，訊飛和GPT4分析的最簡潔最到位，文心一言則通過一頓邏輯判斷和理解輸出了正確的答案，過程稍有些復雜，不夠簡潔。
（4）臉盆里面漂浮著一塊冰，請問冰融化之后，臉盆的水面是上升還是下降？
訊飛星火V3.5
文心一言V4.0
Chat-GPT4.0
接著是一個物理常識問題，訊飛回答錯誤，文心一言V4.0和GPT4.0均回答正確，冰融化之后，水面既不會上升也不會下降，并且給出了詳細的邏輯分析。
看來，訊飛星火V3.5在初中物理知識方面，相較于Chat-GPT4.0還有點欠缺。
3、數(shù)學解題能力
（1）雞兔同籠，頭共67，足共184，問雞兔各幾只？請一步一步地作答
訊飛星火V3.5
文心一言V4.0
Chat-GPT4.0
面對雞兔同籠問題，訊飛和GPT4.0均以二元一次方程計算后給出了正確答案，訊飛星火給到了完整的解題過程，甚至連計算過程都精確的呈現(xiàn)出來，而文心一言和Chat-GPT4.0的回答過程則較為簡略，以推理的過程為主。
（2）如果一個直角三角形的兩條邊長分別是6和8，另一個與它相似的直角三角形邊長分別是3、4及x，那么x的值是多少？
訊飛星火V3.5
文心一言V4.0
Chat-GPT4.0
接著是第二個數(shù)學問題，面對這種沒有給到對應數(shù)值的兩邊長度，我們一般會分析到兩種不同的可能性，因此這道題的標準答案會有2個，很顯然訊飛星火3.5全都顧及到了，給出了兩個正確的答案。
而文心一言V3.5和Chat GPT4.0只給出了一種正確的可能性。
所以，通過以上測試的數(shù)學問題來看，訊飛星火V3.5的解題能力已經(jīng)在國際中處于領先水平，甚至在部分能力上已經(jīng)超越了Chat GPT4.0。
4、代碼能力
現(xiàn)在許多程序員也會使用大模型來解決問題，因此在代碼的編寫和解釋能力上，我們也測試了一番。
（1）代碼編寫
使用PyQt5搭建-個窗口，點擊按鈕之后，有50%的概率把按鈕移動到窗口的隨機位置，還有50%的概率把按鈕的標題改成隨機數(shù)。不要有多余的解釋，直接給出可以運行的代碼。
訊飛星火V3.5
文心一言V4.0
Chat-GPT 4.0
在代碼編寫能力上，三款大模型均能夠精準理解需求，寫出bug的程序，放到解釋器里完美運行。
（2）解釋代碼
訊飛星火V3.5
文心一言V4.0
Chat-GPT4.0
我們給到一段代碼讓三個大模型進行解釋，三者均會根據(jù)每行的代碼進行解釋，文心一言給到的解釋要更偏向小白，邏輯非常清晰，新手也能一目了然。
訊飛給到的解釋與GPT4.0差不太多，所以在代碼編輯和解釋能力上，訊飛星火3.5、Chat GPT 4.0大體相當。
5、知識問答：文章提問
為了測試三種大型語言模型對語文理解能力的差異，我們選取了一段高中閱讀理解材料，讓這些模型閱讀并回答相關問題。
通過這種方式，我們可以比較它們在文字理解方面的表現(xiàn)。
我們給到這段文字，讓三款大模型進行閱讀，接著進行提問。
問題一：請問永嘉山水適合隱居的原因是什么？
訊飛星火V3.5
文心一言V4.0
Chat-GPT4.0
第一個問題，訊飛星火3.5給到的原因是最全面的，也是最準確的，從根本上回答了這個問題，文心一言3.5給到的答案也比較準確，不過并沒有訊飛全面。
Chat GPT4.0給到的回答比較深入，也就是說它能夠進一步理解作者所表達的內(nèi)在思想與含義，也就是說Chat GPT4.0對文字的理解要更加深刻。
問題二：請簡要總結這篇文章的主旨，要求在350字以內(nèi)。
訊飛星火V3.5
文心一言V4.0
Chat-GPT4.0
對于語言的理解，訊飛星火 V3.5 和 GPT-4 在處理自然語言任務時都展現(xiàn)出了合格的理解能力，然而在綜合比較中，GPT-4 在理解和表達方面顯得更為精準與細膩。
6、文生圖能力
在多模態(tài)能力上，我們測試對比了大模型文生圖的能力，根據(jù)描述的文字畫出圖片。
訊飛星火V3.5
文心一言V4.0
Chat-GPT4.0
可以看到，三款大模型均能夠理解文字所表達的意思，并畫出準確的裝修效果圖。
不過訊飛星火V3.5和Chat GPT4.0繪制的圖片細膩程度和精美程度上均優(yōu)于文心一言3.5，二者在文生圖的能力上，不相仲伯。
訊飛星火V3.5
文心一言V4.0
Chat-GPT4.0
接著我們提高了難度，讓三款大模型在上一幅圖的基礎上進行二次創(chuàng)作，雖然均不能還原上一幅圖中的全部樣貌，但訊飛星火V3.5和Chat GPT4.0均能以接近上一幅圖的場景進行二次創(chuàng)作，并精確理解了“墻面上的畫”指的是什么內(nèi)容。
文心一言V4.0應該說是理解了題目中的一般要求，把“春江水暖鴨先知”的含義放在了整個畫面當中，并沒有理解“墻面上的畫中”是什么東西，導致與要求的本意產(chǎn)生了較大的偏差，也讓最終的呈現(xiàn)效果與預期有一定的出入。
反觀訊飛星火V3.5和Chat GPT4.0，在語義理解能力方面表現(xiàn)出色，兩者的能力接近，甚至達到了相似的水平。
四、總結：訊飛星火V3.5與Chat GPT4 不相仲伯
經(jīng)過我們對三款大模型的深度體驗與對比測試，我們做出以下總結：
在國際大模型比拼中，訊飛星火V3.5不僅在常規(guī)問答、邏輯推理和數(shù)學解題方面與Chat GPT 4.0并駕齊驅(qū)，甚至在某些方面超越了后者，尤其在解答語言相關的問題時，訊飛星火V3.5展現(xiàn)出了更深厚的理解能力和更廣泛的知識面。
在數(shù)學能力上，訊飛星火V3.5更注重解題的過程，告訴你解題的所有步驟，就算是沒有基礎知識也能一看便會，而文心一言和GPT則更偏向于推理的過程，數(shù)據(jù)偏理科的那種。
就數(shù)學能力而言，國內(nèi)的訊飛星火和文心一言這兩款大模型的解題能力已經(jīng)在國際中處于領先水平，甚至在部分能力上已經(jīng)超越了Chat GPT 4.0。
多模態(tài)能力上，代碼編寫與解釋、作圖等測試，訊飛和GPT 4.0均以精確的理解力和較為復雜的作圖能力完成了要求，不僅能夠準確理解所提供的信息，還能夠在作圖任務中細致地還原或創(chuàng)造出接近描述的細節(jié)，展現(xiàn)出了它們的強大的理解能力和創(chuàng)造能力。
而文心一言雖然也能完成基本的任務，但在細節(jié)處理和深度理解上，與二者略有差距，很顯然它在多模態(tài)交互方面的潛力還未完全發(fā)揮出來。
綜合而言，訊飛星火認知大模型V3.5在各項測試中已相當出色，展現(xiàn)出其在多個領域的領先優(yōu)勢，盡管與ChatGPT 4.0在某些方面還有一定差距，但可以期待，隨著科大訊飛在技術上的持續(xù)進步，未來的訊飛星火認知大模型將逐漸走到國際領先水平，全面對標GPT-4。
在當前國內(nèi)人工智能領域競爭愈發(fā)激烈的背景下，我們有足夠的信心和理由相信，訊飛星火將憑借其先進的語音技術和日益累積的技術算法，在不久的將來不僅能夠追趕上 GPT-4 的能力水平，還將進一步推動中國在全球人工智能領域的發(fā)展和領導地位，走向新的階梯。
