近日，豆包大模型在火山引擎原動(dòng)力大會(huì)上正式發(fā)布。以超低價(jià)格掀起大模型降價(jià)潮的同時(shí)，豆包的模型能力也引發(fā)行業(yè)關(guān)注。

在火山引擎的一份產(chǎn)品資料中，豆包模型團(tuán)隊(duì)公布了一期內(nèi)部測試結(jié)果：在 MMLU、BBH、GSM8K、HumanEval等11個(gè)業(yè)界主流的公開評(píng)測集上，Doubao-pro-4k 的總分為76.8分，相比上一代模型云雀Skylark2 的64.5分提升了19%，也優(yōu)于同期測試的其他國產(chǎn)模型。

此次評(píng)測在今年5月完成，主要包括豆包通用模型-pro、云雀Skylark2 在內(nèi)的九款國產(chǎn)大語言模型。除了云雀Skylark2 以外，其他模型均為各家廠商最新發(fā)布的高級(jí)版本，通過API調(diào)用進(jìn)行測試。

圖：豆包模型團(tuán)隊(duì)內(nèi)部測試結(jié)果

評(píng)測結(jié)果顯示，在評(píng)估代碼能力的兩個(gè)評(píng)測集 HumanEval 和 MBPP 上，豆包相比上一代模型提升了50%左右；在專業(yè)知識(shí)和指令遵循的評(píng)測集上，豆包分別獲得33%和24%的性能提升，同時(shí)也是得分最高的國產(chǎn)模型。

此外，豆包模型在數(shù)學(xué)能力、語言理解能力，以及綜合評(píng)測集 CMMLU 和 CEval 的評(píng)測上也有不錯(cuò)的表現(xiàn)，得分排在前三。綜合11個(gè)公開評(píng)測集上的測試成績，豆包通用模型-pro的總分為76.8分。根據(jù)OpenAI公布的測試成績，GPT-4在這些評(píng)測集上的總分為80.1分，相比國產(chǎn)模型仍有一定領(lǐng)先優(yōu)勢。

據(jù)悉，豆包模型在5月15日剛剛推出，尚未加入到第三方機(jī)構(gòu)測試中。預(yù)計(jì)未來一到兩個(gè)月內(nèi)，很多第三方評(píng)測機(jī)構(gòu)將會(huì)陸續(xù)披露該模型的評(píng)測結(jié)果。與模型同名的AI對(duì)話助手“豆包”，官方公布的月活用戶數(shù)已經(jīng)達(dá)到2600萬，用戶可以自由體驗(yàn)測試。

此前，智源研究院公布了覆蓋全球91個(gè)語言模型的評(píng)測報(bào)告。在偏重考察中文能力的主觀評(píng)測中，云雀Skylark2 排名第一，中文能力超過 GPT-4。

圖：智源研究院語言模型評(píng)測結(jié)果（模型為4月20日之前的版本）

生成海報(bào)

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評(píng)論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個(gè)人觀點(diǎn)，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實(shí)相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。