通義千問2.0性能超GPT-3.5，加速追趕GPT-4

中國經濟導報、中國發展網訊  記者王曉濤報道  10月31日，阿里云正式發布千億級參數大模型通義千問2.0。在10個權威測評中，通義千問2.0綜合性能超過GPT-3.5，正在加速追趕GPT-4。當天，通義千問APP在各大手機應用市場正式上線，所有人都可通過APP直接體驗最新模型能力。

過去6個月，通義千問2.0在性能上取得巨大飛躍，相比4月份發布的1.0版本，通義千問2.0在復雜指令理解、文學創作、通用數學、知識記憶、幻覺抵御等能力上均有顯著提升。目前，通義千問的綜合性能已經超過GPT-3.5，加速追趕GPT-4。

在MMLU等10個主流Benchmark測評集上，通義千問2.0的得分整體超越Meta的Llama-2-70B，相比OpenAI的Chat-3.5是九勝一負，相比GPT-4則是四勝六負，與GPT-4的差距進一步縮小。

中英文理解能力是大語言模型的基本功。英語任務方面，通義千問2.0在MMLU基準的得分是82.5，僅次于GPT-4，通過大幅增加參數量，通義千問2.0能更好地理解和處理復雜的語言結構和概念；中文任務方面，通義千問2.0以明顯優勢在C-Eval基準獲得最高得分，這是由于模型在訓練中學習了更多中文語料，進一步強化了中文理解和表達能力。

在數學推理、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。

通義千問更成熟了，也更好用了。通義千問2.0在指令遵循、工具使用、精細化創作等方面作了技術優化，能夠更好地被下游應用場景集成。通義大模型官網上線了多模態和插件功能，支持圖片輸入、文檔解析等細分任務。

與此同時，基于通義大模型訓練的8大行業模型組團上線，他們分別是通義靈碼-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。

截至10月，阿里云已與60多個行業頭部伙伴進行深度合作，推動通義千問在辦公、文旅、電力、政務、醫保、交通、制造、金融、軟件開發等領域的落地。