11月6日消息，李開復(fù)博士帶隊創(chuàng)辦的AI 2.0公司零一萬物，正式開源發(fā)布首款預(yù)訓(xùn)練大模型 Yi-34B。

根據(jù) Hugging Face 英文開源社區(qū)平臺和C-Eval 中文評測的最新榜單，Yi-34B預(yù)訓(xùn)練模型以黑馬姿態(tài)取得了多項 SOTA 國際最佳性能指標認可，成為全球開源大模型“雙料冠軍”，這也是迄今為止唯一成功登頂 Hugging Face 全球開源模型排行榜的國產(chǎn)模型。

零一萬物創(chuàng)始人及CEO李開復(fù)博士表示：“零一萬物堅定進軍全球第一梯隊目標，從招的第一個人，寫的第一行代碼，設(shè)計的第一個模型開始，就一直抱著成為‘World's No.1’的初衷和決心。我們組成了一支有潛力對標 OpenAI、Google等一線大廠的團隊，經(jīng)歷了近半年的厚積薄發(fā)，以穩(wěn)定的節(jié)奏和全球齊平的研究工程能力，交出了第一張極具全球競爭力的耀眼成績單。Yi-34B可以說不負眾望，一鳴驚人?！?/p>

Yi-34B 登頂全球英文及中文權(quán)威榜單No.1

零一萬物此次開源發(fā)布的Yi系列模型，包含34B和6B兩個版本。讓人驚艷的是，在Hugging Face 英文測試公開榜單 Pretrained 預(yù)訓(xùn)練開源模型排名中，Yi-34B 在各項性能上表現(xiàn)強勁，以70.72的分數(shù)位列全球第一，碾壓 LLaMA2-70B和 Falcon-180B等眾多大尺寸模型。

Hugging Face 是全球最受歡迎的大模型、數(shù)據(jù)集開源社區(qū)，被認為是大模型領(lǐng)域的GitHub，在大模型英文能力測試中具有相當(dāng)權(quán)威性。對比參數(shù)量和性能，Yi-34B相當(dāng)于只用了不及LLaMA2-70B一半、Falcon-180B五分之一的參數(shù)量，取得了在各項測試任務(wù)中超越全球領(lǐng)跑者的成績。憑借出色表現(xiàn)，躋身目前世界范圍內(nèi)開源最強基礎(chǔ)模型之列。

Hugging Face Open LLM Leaderboard (pretrained) 大模型排行榜，Yi-34B高居榜首（2023年11月5日）

作為國產(chǎn)優(yōu)質(zhì)大模型， Yi-34B更“懂”中文。在C-Eval中文權(quán)威榜單排行榜上超越了全球所有開源模型。對比大模型標桿GPT-4，在CMMLU、E-Eval、Gaokao 三個主要的中文指標上，Yi-34B 也具有絕對優(yōu)勢，凸顯中文世界的優(yōu)異能力，更好地滿足國內(nèi)市場需求。

C-Eval 排行榜：公開訪問的模型，Yi-34B 全球第一（2023年11月5日）

從更為全面的評估看，在全球大模型各項評測中最關(guān)鍵的 “MMLU”（Massive Multitask Language Understanding 大規(guī)模多任務(wù)語言理解）、BBH等反映模型綜合能力的評測集上，Yi-34B 同樣表現(xiàn)突出，在通用能力、知識推理、閱讀理解等多項指標評比中全部勝出，與 Hugging Face 評測高度一致。

各評測集得分：Yi 模型 v.s. 其他開源模型

但和 LLaMA2一樣，Yi系列模型在GSM8k、MBPP 的數(shù)學(xué)和代碼評測表現(xiàn)略遜GPT模型。由于零一萬物的技術(shù)路線傾向于在預(yù)訓(xùn)練階段盡可能保留模型的通用能力，因此沒有加入過多的數(shù)學(xué)和代碼數(shù)據(jù)。研究團隊此前在《Mammoth: Building math generalist models through hybrid instruction tuning》等研究工作中針對數(shù)學(xué)方向進行過深度探索，在未來，零一萬物的系列開源計劃中將推出代碼能力和數(shù)學(xué)能力專項的繼續(xù)訓(xùn)練模型。

全球最長200K上下文窗口，40萬字文本極速處理，直接開源

值得注意的是，此次開源的Yi-34B模型，將發(fā)布全球最長、可支持200K 超長上下文窗口（context window）版本，可以處理約40萬漢字超長文本輸入。相比之下，OpenAI的GPT-4上下文窗口只有32K，文字處理量約2.5萬字。今年三月，硅谷知名 AI 2.0 創(chuàng)業(yè)公司Anthropic的Claude2-100K 將上下文窗口擴展到了100K規(guī)模，零一萬物直接加倍，并且是第一家將超長上下文窗口在開源社區(qū)開放的大模型公司。

在語言模型中，上下文窗口是大模型綜合運算能力的金指標之一，對于理解和生成與特定上下文相關(guān)的文本至關(guān)重要，擁有更長窗口的語言模型可以處理更豐富的知識庫信息，生成更連貫、準確的文本。

此外，在文檔摘要、基于文檔的問答等下游任務(wù)中，長上下文的能力發(fā)揮著關(guān)鍵作用，行業(yè)應(yīng)用場景廣闊。在法律、財務(wù)、傳媒、檔案整理等諸多垂直場景里，更準確、更連貫、速度更快的長文本窗口功能，可以成為人們更可靠的AI助理，讓生產(chǎn)力迅猛提升。然而，受限于計算復(fù)雜度、數(shù)據(jù)完備度等問題，上下文窗口規(guī)模擴充從計算、內(nèi)存和通信的角度存在各種挑戰(zhàn)，因此大多數(shù)發(fā)布的大型語言模型僅支持幾千tokens的上下文長度。

為了解決這個限制，零一萬物技術(shù)團隊實施了一系列優(yōu)化，包括：計算通信重疊、序列并行、通信壓縮等。通過這些能力增強，實現(xiàn)了在大規(guī)模模型訓(xùn)練中近100倍的能力提升，也為Yi系列模型上下文規(guī)模下一次躍升儲備了充足“電力”。

Yi-34B的200K上下文窗口直接開源，不僅能提供更豐富的語義信息，理解超過1000頁的PDF文檔，讓很多依賴于向量數(shù)據(jù)庫構(gòu)建外部知識庫的場景，都可以用上下文窗口來進行替代。Yi-34B的開源屬性也給想要在更長上下文窗口進行微調(diào)的開發(fā)者提供了更多的可能性。

AI Infra 是大模型核心護城河，實測實現(xiàn)40%訓(xùn)練成本下降

AI Infra（AI Infrastructure 人工智能基礎(chǔ)架構(gòu)技術(shù)）主要涵蓋大模型訓(xùn)練和部署提供各種底層技術(shù)設(shè)施，包括處理器、操作系統(tǒng)、存儲系統(tǒng)、網(wǎng)絡(luò)基礎(chǔ)設(shè)施、云計算平臺等等，是模型訓(xùn)練背后極其關(guān)鍵的“保障技術(shù)”，這是大模型行業(yè)至今較少受到關(guān)注的硬技術(shù)領(lǐng)域。

李開復(fù)曾經(jīng)表示，“做過大模型Infra的人比做算法的人才更稀缺”。在打造“World's No.1"梯隊時，超強的Infra 能力是大模型研發(fā)的核心護城河之一。如果說訓(xùn)練大模型是登山，Infra的能力定義了大模型訓(xùn)練算法和模型的能力邊界，也就是“登山高度”的天花板。在芯片、GPU等算力資源緊缺的當(dāng)下，安全和穩(wěn)定成為大模型訓(xùn)練的生命線。零一萬物的 Infra 技術(shù)通過“高精度”系統(tǒng)、彈性訓(xùn)和接力訓(xùn)等全棧式解決方案，確保訓(xùn)練高效、安全地進行。

憑借強大的 AI Infra 支撐，零一萬物團隊能實現(xiàn)超越行業(yè)水平的訓(xùn)練效果，Yi-34B模型訓(xùn)練成本實測下降40%，實際訓(xùn)練完成達標時間與預(yù)測的時間誤差不到一小時，進一步模擬上到千億規(guī)模訓(xùn)練成本可下降多達50%。截至目前，零一萬物Infra能力實現(xiàn)故障預(yù)測準確率超過90%，故障提前發(fā)現(xiàn)率達到99.9%，不需要人工參與的故障自愈率超過95%，有力保障了模型訓(xùn)練的順暢進行。

在 Yi 開源模型的全球首發(fā)日，零一萬物CEO李開復(fù)也宣布，在完成 Yi-34B 預(yù)訓(xùn)練的同時，已經(jīng)旋即啟動下一個千億參數(shù)模型的訓(xùn)練?！傲阋蝗f物的數(shù)據(jù)處理管線、算法研究、實驗平臺、GPU 資源和 AI Infra 都已經(jīng)準備好，我們的動作會越來越快”。

深研“規(guī)?；?xùn)練實驗平臺”，從“粗放煉丹”進階到 “科學(xué)訓(xùn)?！?/strong>

耀眼成績的取得，源于零一萬物潛心數(shù)月練就的大模型 “科學(xué)訓(xùn)?！狈椒ㄕ?。

眾所周知，大模型效果依賴于更多、更高質(zhì)量的數(shù)據(jù)，零一萬物在數(shù)據(jù)處理管線上可謂“不惜成本”。由前Google大數(shù)據(jù)和知識圖譜專家領(lǐng)銜的數(shù)據(jù)團隊，憑對數(shù)據(jù)的深度理解與認知，結(jié)合大量數(shù)據(jù)處理實驗，建設(shè)了高效、自動、可評價、可擴展的智能數(shù)據(jù)處理管線。

不僅如此，經(jīng)過幾個月大量的建模和實驗，零一萬物自研出一套“規(guī)?；?xùn)練實驗平臺”，用來指導(dǎo)模型的設(shè)計和優(yōu)化。數(shù)據(jù)配比、超參搜索、模型結(jié)構(gòu)實驗都可以在小規(guī)模實驗平臺上進行，對34B模型每個節(jié)點的預(yù)測誤差都可以控制在0.5%以內(nèi)。掌握了更強的模型預(yù)測能力，從而大大減少了進行對比實驗需要的資源，也減少了訓(xùn)練誤差對于計算資源的浪費。

數(shù)據(jù)處理管線和加大規(guī)模預(yù)測的訓(xùn)練能力建設(shè)，把以往的大模型訓(xùn)練碰運氣的“煉丹”過程變得極度細致和科學(xué)化，不僅保證了目前發(fā)布Yi-34B、Yi-6B模型的高性能，也為未來更大規(guī)模模型的訓(xùn)練壓縮了時間和成本，有能力以領(lǐng)先于行業(yè)的速度，將模型規(guī)?！敖z滑”擴大到數(shù)倍。

零一萬物團隊首度亮相，臥虎藏龍齊聚行業(yè)巨頭人才

零一萬物的團隊臥虎藏龍，成員來自Google、微軟、阿里巴巴、百度、字節(jié)跳動、騰訊等國內(nèi)外頂級企業(yè)背景，并持續(xù)延攬全球范圍內(nèi)最優(yōu)秀的華人AI精英。

零一萬物算法和模型團隊成員，有論文曾被GPT-4引用的算法大拿，有獲得過微軟內(nèi)部研究大獎的優(yōu)秀研究員，曾獲得過阿里CEO特別獎的超級工程師?？傆嬙贗CLR、NeurIPS、CVPR、ICCV等知名學(xué)術(shù)會議上發(fā)表過大模型相關(guān)學(xué)術(shù)論文100余篇。

零一萬物技術(shù)副總裁及AI Alignment負責(zé)人是 Google Bard/Assistant 早期核心成員，主導(dǎo)或參與了從 Bert、LaMDA 到大模型在多輪對話、個人助理、AI Agent 等多個方向的研究和工程落地；首席架構(gòu)師曾在Google Brain與Jeff Dean、Samy Bengio等合作，為TensorFlow的核心創(chuàng)始成員之一。

首次發(fā)布的背后主力戰(zhàn)將，零一萬物技術(shù)副總裁及 Pretrain 負責(zé)人黃文灝是通用人工智能 AGI 的信仰者，他曾先后任職于微軟亞洲研究院和智源研究院。 在微軟從事AI Agent研究工作時，得到微軟創(chuàng)始人比爾?蓋茨和CEO 薩提亞?納德拉的高度贊揚。

而支持 Yi 模型訓(xùn)練保障交付的零一萬物技術(shù)副總裁及AI Infra負責(zé)人戴宗宏，是前華為云 AI CTO 及技術(shù)創(chuàng)新部長、前阿里達摩院 AI Infra 總監(jiān)。Infra核心團隊主要來自于阿里、華為、微軟、商湯，是AI 多領(lǐng)域具有高水平研究及系統(tǒng)研發(fā)能力的頂尖專家，曾經(jīng)參與支持了4個千億參數(shù)大模型規(guī)模化訓(xùn)練，管理過數(shù)萬張GPU卡，夯實了端到端的全棧AI技術(shù)能力，零一萬物可說是具備一支行業(yè)內(nèi)少有的 AI Infra “技術(shù)天團”。

打造更多ToC Super App，培育新型“AI-first”創(chuàng)新生態(tài)

零一萬物認為，34B的模型尺寸在開源社區(qū)屬于稀缺的“黃金比例”尺寸。相比目前開源社區(qū)主流的7B、13B等尺寸，34B模型具備更優(yōu)越的知識容量、下游任務(wù)的容納能力和多模態(tài)能力，也達到了大模型 “涌現(xiàn)”的門檻。

在精度上，不少開發(fā)者都表示7B、13B開源模型在很多場景下無法滿足需求，追求更好的性能需要使用30B以上的模型，但一直沒有合適的選擇，高質(zhì)量的Yi-34B的出現(xiàn)，順利解決了開源社群這一剛性需求。

而比起更大的 50B至70B，34B是單卡推理可接受的模型尺寸的上限，訓(xùn)練成本對開發(fā)者更友好，經(jīng)過量化的模型可以在一張消費級顯卡（如4090）上進行高效率的推理，對開發(fā)者操作服務(wù)部署有很大的優(yōu)勢。

接下來，零一萬物將基于Yi系列大模型，打造更多To C超級應(yīng)用。李開復(fù)強調(diào)，“AI 2.0是有史以來最大的科技革命，它帶來的改變世界的最大機會一定是平臺和技術(shù)，正如PC時代的微軟Office，移動互聯(lián)網(wǎng)時代的微信、抖音、美團一樣，商業(yè)化爆發(fā)式增長概率最高的一定是ToC應(yīng)用。零一萬物邀請開發(fā)者社群跟我們一起搭建Yi開源模型的應(yīng)用生態(tài)系，協(xié)力打造AI 2.0時代的超級應(yīng)用?！?/p>

目前，Yi系列模型已在 Hugging Face、ModelScope、GitHub 三大全球開源社區(qū)平臺正式上線，同時開放商用申請，給開發(fā)者在使用LLM的過程中提供更多、更優(yōu)質(zhì)的選擇。

本次開源的基座模型包括200K上下文窗口的基座模型，基座模型進行了比較均衡的IQ和EQ的配置，保留了后續(xù)進行不同方向微調(diào)的可能性。為了能讓語言模型有更好的應(yīng)用效果，廣大開發(fā)者可以基于基座模型進行微調(diào)，GitHub 01Yi 開源網(wǎng)頁上已經(jīng)提供了簡單的微調(diào)代碼，同時模型和主流語言模型微調(diào)框架兼容，開發(fā)者可以自行進行適配。

接下來，零一萬物還將基于Yi 基座模型，快節(jié)奏開源發(fā)布一系列的量化版本、對話模型、數(shù)學(xué)模型、代碼模型和多模態(tài)模型等，邀請開發(fā)者積極投入，共同促進語言模型開源社區(qū)的繁榮發(fā)展，培育新型“AI-first”創(chuàng)新生態(tài)體系。

希望有更多的開發(fā)者使用Yi系列模型，打造自己場景中的“ChatGPT”，引領(lǐng)下一代前沿創(chuàng)新和商業(yè)模型，探索走向通用人工智能的先進能力。