讯飞星火：整体超越ChatGPT，医疗超越GPT4！一手实测在此
杨净 发自 凹非寺
量子位 | 公众号 QbitAI
整体超越ChatGPT，医疗全面超越GPT-4！
五个月之后，在科大讯飞全球1024开发者节现场，刘庆峰如约而至兑现诺言，并给出新的Flag：
2024年上半年对标GPT-4！
不光讯飞最强星火大模型来袭，七大维度全面升级，尤其是多模态、代码生成以及复杂推理的能力，还能生成符合自己人设的AI助手。
除此之外，还有科技文献大模型、医疗大模型以及同其他企业合作的12个行业大模型一并发布。
以科技文献大模型为例，它可以一分钟就能整合18篇论文，生成一篇5页的综述报告。
还能直接生成论文中提到的代码。
医疗大模型也正式公开，化身每个人的健康助手，进行自查、用药指导以及检查/体检报告解读，并首发“讯飞晓医”APP及小程序。
在底层基础设施上，讯飞华为再次联手，发布基于昇腾生态的“飞星一号”平台发布。
正如刘庆峰所强调的那样：唯有自主可控，才有生生不息的未来。
全面对标ChatGPT、医疗超越GPT-4
既然如此，当初的Flag都实现了吗？
首先就星火大模型V3.0本身，我们自然进行了第一手的实测。
据介绍，此次七大能力持续提升，并且全面对标ChatGPT。尤其像中文能力客观评测上超越ChatGPT，在医疗、法律、教育等专业表现也格外突出，还有在代码项目级理解能力、小样本学习、多模态指令跟随与细节表达等能力有所提升。
并且此次还新增了虚拟人格功能，它可以根据性格模拟、情绪理解、表达风格来形成一个初始人设，再结合特定知识学习、对话记忆学习，形成一个更个性化的AI人设。
既然如此，那么第一波就来考验一下它的基本功。
理解能力。
比如一些只在中文语境下才能get到的网络梗，没想到星火与时俱进直接get。
就连昨天的消息也都知道。
接下来第二波进阶，也是最能考验大模型真正实力的代码生成能力。据介绍，目前讯飞星火代码能力已经超过ChatGPT，但略逊于GPT-4。
既然如此，就来实际评测一下（提示词故意有点语病）：
你现在顶级程序员，请写出Resnet神经网络代码，并给出每一段代码的解释。
首先两者都正确识别了问题，给出的代码表现基本一致。
讯飞星火的回答直接分成了代码部分和解读部分。
而GPT-4的回答，直接将代码部分拆分并解释，这样方便代码修正和学习。
最后，再来看看新晋的看家本领——多模态生成能力。
请根据「黄河远上白云间，一片孤城万仞山。」画一幅画。
这一来考验对中文诗词的理解能力，二来考究的是大模型对空间感知的能力。
△讯飞星火回答截图
△GPT-4（部分回答截图）
可以看到，讯飞星火绘制的画不仅理解来中文古诗词的内容，画风也是更具有古色古韵，而且巧妙地将黄河、白云和孤城在整个空间里组合在一起。
而GPT-4则将孤城直接理解成了城市，画面也是更为现代感……
大模型AI人设这块，这也是此次发布的重点更新。可以看到在「发现友伴」这一功能上有近20种AI人格可供选择，包括像马斯克、林黛玉、哪吒、于大爷、樱花木道、秦始皇等等。
比如像这位硅谷钢铁侠，一上来脑子里全都是地球保护、殖民火星那些事儿。
还有像林妹妹，说话语气里带有些许婉转诗意~
据刘庆峰介绍，这一功能上线12小时，已有3000+人设由开发者自创。
此次大模型的专业性上也有所提升，比如在医疗领域，问上这样一个常识问题。
我24小时尿量<100毫升，我怎么了
可以看到，在「可能的原因」上双方的回答基本一致。讯飞星火风格则简单直接，还给出了「严重性」提醒。而GPT-4更为完备一些。
最后再来简单总结一下测评结果：
- 基础能力：语义理解、时效把握以及代码生成能力上都有很大的提升；
- 多模态生成表现不错，尤其在空间感知能力的表现；
- 个性化上也有人格表现，但会出现原形的情况；
- 专业性表现也基本无事实性错误，尤其医疗能力水平，给出适时诊疗提醒。
除了星火大模型本身，此次科大讯飞1024开发者节可谓是干货满满——
不光有编程产品iFlyCode、科技文献大模型、医疗大模型等这些垂直领域大模型落地应用；还有同与行业龙头共创12个行业大模型、10万家企业用户，通用大模型产业生态初见雏形；另外，超脑计划2030也在有序进行。
可以说是眼花缭乱了。
但细细梳理不难发现，这些进展其实围绕着一个底层逻辑——
每个人的AI助手时代正在到来。
正如刘庆峰在发布会上所强调的那样。这也是科大讯飞基于大模型技术发展的趋势理解。
ChatGPT刚出现时，就曾探讨过以ChatGPT为代表的大模型产品强大之处在于同时具备知识、推理和沟通能力。
一方面，这是实现认知智能必备的几项能力；另一方面，也是个人AI助手场景相契合。
前者是科大讯飞一直以来的技术深耕，后者则是科大讯飞在工业、科研、医疗、教育、智能汽车，甚至超脑计划的最终落地形态。
以教育为例，科大讯飞就认为目前教育「因材施教」进入到第三个层次：类人式对话辅导，进行逐层讲解。
基于这样的逻辑，从科大讯飞半年落地成果，也就能从中窥见大模型发展一二。
首先是应用和业务场景。
科大讯飞认为，大模型赋能首要就是工业和科研。而要赋能工业，则首先要赋能代码。
iFlyCode。
8月15日iFlyCode发布以来，已有62万开发者应用、107家机构深度应用。
比如“智慧教育大屏”性能优化，传统方案需要15天解决，在iFlyCode辅助下只需7天。
本次iFlyCode2.0在设计阶段、编码阶段、自测阶段都有一定的升级。
科技文献大模型。
同中科院知识文献中心合作，有着包括成果调研、论文研读、学术写作、生成论文代码、润色、学术翻译等功能，可以化身当下高校研究生的科研小助手。
给一篇中文文献，结果一键就能生成英文版。
还能与时俱进、补充跨领域知识，比如一篇大模型文章，问到ChatGPT发展历程，还补充了现下GPT-4的发展。
医疗大模型。
它能根据体检报告、检查报告进行解读。
传统体检报告一般会有单项解读，以及像复查这种比较粗放的结论。而讯飞晓医不光给出具体指数指标，还会主动询问最近身体情况，联合各个单项结果并更新风险等级。
还可以根据药品照片、自身情况，给出用药建议，比如禁忌、推荐等。
除此之外，还有科大讯飞历来深耕的教育领域，讯飞AI学习机升级了英语AI答疑赋学；同科普中国一起合作发布科普大模型；还打造了AI心理伙伴等等，因材施教已取得规模化应用成果，在全国50000+所学校深度应用。
当然，这些进展其实都是加速讯飞超脑2030计划一部分——懂知识、善学习、能进化、让机器人走进每个家庭。
AIBOT去年发布以来，已为工业、教育、服务等领域372家企业提供服务。
中国玩家大模型加速度优势明显
不可否认的是，以星火大模型等为代表的国产大模型，在确定性方向上发展优势明显。
并且同样保持着同样明显且持续的加速度。
已经形成全球共识的，当前大模型发展已经进入到第二阶段——
大模型AI产品从炒作、演示Demo、到真正的价值导向，用户导向、场景导向。
像微软谷歌亚马逊在内的全球巨头，却面临增长的烦恼：不仅不赚钱，还要倒贴。
以AI编程工具GitHub Copilot为例，微软平均每个月在每个用户身上都要倒贴20美元，最高能达80美元。
个中原因，用户找不到为大模型产品付费的理由。
更本质一点来说，大模型尚未发挥出最大的价值效能。
在这一方面上，中国玩家正在展现出自己的产业发展优势，并且优势明显。
有场景。前一波技术浪潮，AI能落地到千行百业，大模型技术同样也能落地千行百业。一方面，我国有着全球最完整的产业体系，为大模型的落地应用提供了广阔的创新空间；另一方面，在一些场景中，我国还有着不同于其他的独特优势。像教育、医疗，要实现真正的全民普惠，对技术其实提出了更高的要求。
有数据。数据的价值，从未像今天这样受到前所未有的关注。场景数据质量的好坏，直接决定了大模型的性能表现。
此前国内AI应用，已经有深厚的场景积累。如科大讯飞的认知智能技术已经在教育、医疗、金融、汽车、服务等多个领域落地，并构筑起了深厚的行业壁垒。
根据IDC研究显示，中国数据量规模将从2022的23.88ZB增长至2027年的76.6ZB，复合年均增长速度（CAGR）达到26.3%，为全球第一，为大模型的持续优化提供了海量的数据来源。
有市场。ChatGPT作为通用人工智能的代表，本身不是项好生意。OpenAI商业化只是少数，身处于国内市场大环境下的企业，通用路线往往不是一个最佳选择。垂直场景应用路线更受国内市场青睐。
有场景有数据有市场，也再次印证中国玩家率先吃到ChatGPT红利，如今发展加速度明显。
从科大讯飞的迭代应用速度就可见一斑。
今年2月，科大讯飞首次回应：在搞类ChatGPT产品，并给出确定时间点；
5月，讯飞星火V1.0正式发布，在语义理解，长文本生成以及数据能力三方面，据称“已经超过了ChatGPT”，并直接展现五大应用成果。
6月，星火升级至V1.5；8月，讯飞星火V2.0发布，多模态能力实现。
10月，科技文献大模型、医疗大模型等12大行业大模型发布，通用人工智能产业生态初具雏形。
……
当下大模型的发展进入到了冷静期，每个企业都在思考如何能让大模型充分发挥价值效能。即便如OpenAI的奥特曼，也在寻找自身第二增长点。
关于大模型的评测和判断，不再看发布效率、榜单分数，而是看实际应用、看产业应用生态。
这背后既需要国内底层软硬生态更紧密的合作——华为昇腾生态“飞星一号”平台发布。
也需要同行业龙头、万千开发者一起共建起通用大模型产业生态。目前关于星火大模型开发者已经有17.8万，涵盖各个领域。
大模型时代的序幕才刚刚到来。
好了，对于刘庆峰说的「明年上半年对标GPT-4」的Flag，你怎么看？
— 完—
点这里👇关注我，记得标星哦～
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见 ~