近日，豆包大模型在火山引擎原動力大會上正式發(fā)布。以超低價格掀起大模型降價潮的同時，豆包的模型能力也引發(fā)行業(yè)關注。
在火山引擎的一份產(chǎn)品資料中，豆包模型團隊公布了一期內部測試結果：在 MMLU、BBH、GSM8K、HumanEval等11個業(yè)界主流的公開評測集上，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。
此次評測在今年5月完成，主要包括豆包通用模型-pro、云雀Skylark2 在內的九款國產(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)布的高級版本，通過API調用進行測試。
圖：豆包模型團隊內部測試結果
評測結果顯示，在評估代碼能力的兩個評測集 HumanEval 和 MBPP 上，豆包相比上一代模型提升了50%左右；在專業(yè)知識和指令遵循的評測集上，豆包分別獲得33%和24%的性能提升，同時也是得分最高的國產(chǎn)模型。
此外，豆包模型在數(shù)學能力、語言理解能力，以及綜合評測集 CMMLU 和 CEval 的評測上也有不錯的表現(xiàn)，得分排在前三。綜合11個公開評測集上的測試成績，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在這些評測集上的總分為80.1分，相比國產(chǎn)模型仍有一定領先優(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構測試中。預計未來一到兩個月內，很多第三方評測機構將會陸續(xù)披露該模型的評測結果。與模型同名的AI對話助手“豆包”，官方公布的月活用戶數(shù)已經(jīng)達到2600萬，用戶可以自由體驗測試。
此前，智源研究院公布了覆蓋全球91個語言模型的評測報告。在偏重考察中文能力的主觀評測中，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測結果（模型為4月20日之前的版本）
免責聲明：此文內容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關。文章僅供讀者參考，并請自行核實相關內容。投訴郵箱：editor@fromgeek.com。
免責聲明：本網(wǎng)站內容主要來自原創(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確性及可靠性，但不保證有關資料的準確性及可靠性，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。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
