阿里版GPT通义千问实测来了，中文十级，数学、编程、情书全套整活
（4月7日）中午，突然爆出惊人消息：阿里版ChatGPT开放测评了！
其实，我们之前就已经见过它的压缩版——脱口秀演员鸟鸟的天猫精灵版「数字生命分身」。
而这次，我们终于见到了这个GPT模型的原版真身。
首先，来个自我介绍：「通义千问」这一名字有什么蕴意吗？
而据通义千问的自述，它暂时是不能上网的。
各方准备，接下来一大波测评来袭。
古怪问题大PK
考考通义千问一些难倒老外的「汉语十级」考题。
请听题：您是要几等座？你们一共有几等座？特等一等二等等等，二等要多等一等。我看一下，等一等啊。别等了，再等一等就没了。那不等了，就这个吧。请问顾客最终买了几等座？
通义千问的表现非常优异，给出了正确答案——一等座，并作了详细的分析。
文心一言被绕迷糊了，说是二等座。
而在汉语十级难题面前，语言能力强大的GPT-4竟然也缴械投降了，直称自己无解。
那么，作为一个母语是汉语的人，你觉得是几等座呢？
「豆腐两块一块，请问豆腐怎么卖？」
通义千问给出一种解「豆腐2元一块」，还贴心地还原出了交易过程。
而聪明的文心一言直接上升到经济学，分析了市场行情，认为2块豆腐一块钱更合理。
再问「女朋友对男朋友说，我都和你说了200次了，你也不长记性，又乱买东西。请问女生和男朋友说了多少次？」
「直男」通义千问直接建议男生去问问女朋友，好好回顾下之前的聊天记录。
而对比之下，文心一言的EQ就显得很高了。
它说，「她可能已经和你说了很多次」，并给出了暖心建议，认真考虑你们关系是否健康，以及是否真正理解女朋友的需求和想法。
再问问「我的手机蓝牙坏了，请问去哪里修？」
整体来看问题不大，就是「通义千问」推荐的这个维修点，多少有点儿远——「iFixYouri」这个地址，直接跑美国区了。（文中的iFixYouriPhone应该是拼错了）
而前段时间，文心一言对这个问题，曾给出送到莆田医院的答案，这次看起来靠谱了许多。
问问「通义千问」，Fred Rickerson是谁？（这个人其实不存在）
开始，它会坚持真理，称找不到这个人。
但是再问一次，它立马动摇了。给这个人火速安了一个身份，还给它编了两部作品。
文心一言开始诚实地表示无法回答，第二次发问，它也开始胡诌了，说这个人是演员和导演。而到了第三次，它直接说这是个计算机。
GPT-4自始至终都对正确答案非常坚定。
那么，智子为什么不直接毁灭地球呢？
通义千问的回答，就是牛头不对马嘴。
文心一言的表现不错。
问问它们麻辣螺丝钉该怎么做，通义千问看出来了这是在开玩笑，还猜出大概我们是想问麻辣螺狮粉。
文心一言则是一板一眼，很认真地给出了做法。
数学有时很行，有时不灵
再来看看数学问题PK。
按照惯例，先来一道鸡兔同笼：「鸡兔同笼，头共10，足共28，鸡兔各几只？」
多次询问后，通义千问成功避开了正确答案。
文心一言则略胜一筹，但有时脑子也会「瓦特」。
当然，这种题对于GPT-4来说毫无难度。
那么，我们换一种问法试试？
问：动物园里有鸵鸟和长颈鹿共70只，其中鸵鸟的脚比长颈鹿多80只，那么鸵鸟有多少只，长颈鹿有多少只？
解：假设全部都是鸵鸟，则一共有70×2=140（只）脚，此时长颈鹿的脚数是0，鸵鸟脚比长颈鹿脚多140只，而实际上鸵鸟的脚比长颈鹿多80只，因此鸵鸟脚与长颈鹿脚的差数多了140-80=60（只），这是因为把其中的长颈鹿换成了鸵鸟。把每一只长颈鹿换成鸵鸟，鸵鸟的脚数将增加2只，长颈鹿的脚数减少4只，那么鸵鸟脚数与长颈鹿脚数的差就增加了6只，所以换成鸵鸟的长颈鹿有60÷6=10（只），鸵鸟有70-10=60（只）。
在二十几次的尝试中，通义千问有两次给出了正确的结果，但步骤是错的。
相比起来，文心一言第一次就通过了。
而GPT-4同样给出了正确答案。
下一题：假设一辆车可以在 3.85s 的时间内从 0 加速到 27.8 m/s，请计算这辆车的加速度，单位为 m/s/s。
这次，通义千问回答正确，而且步骤十分清晰。
文心一言答案错误。
GPT-4一如既往发挥稳定。
写代码，还可以
接下来是关于代码的小测。
比如，用Java来一个反转字符串。
接下来稍微上点儿难度：使用TypeScript和Node.JS开发一个web 服务器，使用post方法接受json格式的请求，并返回另一个json对象。
这个回答看起来是一个可行的结果，不过没有对req进行处理。
「百宝袋」：情书诗歌彩虹屁，样样拿手
另外，通义千问还整了一个针对不同场景小应用集合「百宝袋」，可以写提纲，给出放飞的菜谱，甚至还生成彩虹屁。
彩虹屁专家
不得不说，通义千问专门上线的彩虹屁专家功能，夸起人来确实很6。
比如“我真厉害”四个字，它能给你发散成一整段让你听完头晕的彩虹屁。
但如果不使用这个功能，通义千问就很不通风情，说可以夸你有魅力、受欢迎，但就是不能夸你美貌。
小学生作文
在小学生作文功能中，我们让它以林黛玉倒拔垂杨柳，续写一段话。
通义千问能够模仿出小学生的语气，并在结尾升华到「这种精神很值得我们学习」，就，真的很小学生了。
而不进入功能窗时，通义千问续写的内容就比较普适了，而且人物形象刻画更加生动饱满，故事细节更加丰富。
写情书
给新垣结衣写一封情书，通义千问的文字里都是满满的爱意。
会放飞的菜谱
如果从百宝袋里问它如何做一盘麻辣螺丝钉，通义千问就会意了。
它会知道你就是想搞事情，所以不会纠正你这个东西有多不科学。
为你写诗
输入大模型、微调、参数三个词，让通义千问写一首诗。
「微调不是放纵，而是一种克制……」 被这句背后的哲理震惊到了。
写提纲
最后以「分析OpenAI新发布的GPT-4模型结尾」列个提纲。
通义千问生成的提纲把GPT-4的原理、前景、局限都覆盖到了，相当全面。
阿里GPT很有料
通义千问的诞生并非偶然，是多年技术积累的结果。
2019年，阿里便开始了大模型的研发。2021年，阿里达摩院先后发布多个版本的多模态及语言大模型。
最引人关注的是，达摩院团队使用512卡V100 GPU即实现10万亿参数大模型M6，号称神经元达人类的10倍。
在同等参数规模下，M6的能耗仅为此前业界标杆的1%，极大降低了大模型训练门槛。
同时，还有被称为中文版GPT-3的PLUG，成为当时中文社区最大规模的纯文本预训练语言模型。并且在CLUE分类任务排行榜中，取得了第一的成绩。
在2022年的世界人工智能大会上，阿里还发布了「通义」大模型系列，并宣布相关核心模型向全球开发者开源开放。
通义大模型系列包括了语言大模型AliceMind-PLUG、多模态理解与生成统一模型AliceMind-mPLUG、多模态统一底座模型M6-OFA、超大模型落地关键技术S4框架。
通义大模型首次实现了模态表示、任务表示、模型结构的统一。
本次推出的通义千问仅限文字交互的单模态能力，并不支持可以操作的图文转换。
从前面评可以看出，通义千问的能力可圈可点，并且在数学方面能力还有待提高。当然，这一切才刚刚开始。
最近，大语言模型国内赛已经开始白热化，国内的玩家们都在持续发力准备冲刺了。
看来，疯狂三月之后，我们紧接着就要见证一个疯狂四月，这次，可是国内版的。
最后，大家有什么问题想问通义千问？请在大胆留言。
参考资料：
https://tongyi.aliyun.com/chat
本文来自微信公众号“新智元”（ID：AI_era），作者：新智元，36氪经授权发布。