6月13日，司南OpenCompass和魔搭ModelScope聯(lián)手推出的大語言模型競技場 Compass Arena公布首期大模型對戰(zhàn)榜單。智譜AI的GLM-4 w/search 排名僅次于GPT-4o，位列國內(nèi)大模型第一。相比 GLM-4，GLM-4 w/search 可以在交互過程中引入外部搜索引擎信息輔助內(nèi)容生成。
Compass Arena司南大模型競技場是由司南OpenCompass團隊和魔搭ModelScope團隊共同推出的大語言模型 (LLM) 評測平臺，旨在為國內(nèi)的大語言模型領(lǐng)域引入一種全新的競技模式，為廣大互聯(lián)網(wǎng)用戶提供了一個匿名、隨機的大語言模型競技環(huán)境，以產(chǎn)生更加客觀和真實的評價。Compass Arena匯集了Qwen-Max、GLM-4、abab6.5以及Llama 3系列等 20 余個主流大語言模型，通過創(chuàng)新的競技模式，讓用戶在直觀體驗比較不同模型的性能后，根據(jù)自己對生成內(nèi)容質(zhì)量的主觀判斷，自由評估選擇生成效果更為出色的大模型。
Compass Arena大模型競技場首期對戰(zhàn)榜單收集了截至6月12日接近6000條由用戶真實反饋的大模型匿名對戰(zhàn)數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗和過濾后利用Bradley-Terry模型估計了大語言模型的競技場Elo等級分數(shù)和95%置信區(qū)間，并使用該等級分數(shù)對大模型進行排名。榜單中，智譜AI的GLM-4 w/search憑借回答環(huán)節(jié)引入外部搜索引擎信息能力的輔助，有效提升了生成內(nèi)容的準(zhǔn)確性和完整性，排名僅次于GPT-4o位列第二名，成為Compass Arena大模型競技場首期對戰(zhàn)榜單國內(nèi)大模型第一名。
值得一提的是，智譜AI的GLM-4系列模型自發(fā)布以來便收獲業(yè)內(nèi)及廣大用戶認可，并多次在權(quán)威榜單與全球頂級大模型一較高下。清華《SuperBench大模型綜合能力評測報告》顯示，GLM-4在語義理解等方面的能力表現(xiàn)超過眾多國際一流模型，在代碼、智能體等方面，排名國內(nèi)第一。在SuperCLUE-Fin(SC-Fin)中文原生金融大模型測評基準(zhǔn)中，GLM-4斬獲一項A+及多項A級評價，在國內(nèi)大模型中排名第一。
據(jù)了解，智譜AI于今年1月推出新一代基座大模型GLM-4，并在6月初發(fā)布最新開源模型GLM-4-9B，該模型擁有更強的基礎(chǔ)能力，支持更長的上下文(最高支持1M/約兩百萬字)，有更精準(zhǔn)的函數(shù)調(diào)用和All Tools能力，并在這個尺寸上首次具備了多模態(tài)能力。GLM-4-9B綜合能力相比ChatGLM3-6B提升40%，全面超過Llama-3-8B-Instruct，中文學(xué)科能力提升50%，最高支持達1百萬tokens長文本，支持多達26種語言，函數(shù)調(diào)用(Function Call)能力媲美GPT-4-Turbo。
上述模型均已在智譜AI MaaS大模型開放平臺上線，開發(fā)者可以通過bigmodel.cn便捷接入GLM-4全系列模型開放API，從而體驗智譜大模型的卓越性能。
（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，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
