实测文心一言4.0，真的和GPT-4相差无几了吗？

今天，咱们就开门见山啊。这一回要测一测，昨天（17日）才发布的文心一言大模型 4.0。

之所以要测它，是因为李彦宏昨天在会上说的那句：

文心大模型 4.0 综合水平与 GPT-4 相比已经毫不逊色。

这话一出，很多人就沸腾了。

据李彦宏这边的说法，文心 4.0 在记忆、理解、逻辑和生成四块，进步神速。

尽管他也在现场亲自演示了很多案例，但很多用户是压根不买账的。

不少人调侃说：“ 骗骗兄弟就可以了，别把自己也骗了啊。 ”

那到底是毫不逊色，还是吹牛扯淡呢，咱们直接亲自试试就知道了。

这回，凭借世超的人脉，也是很幸运地拿到了抢先内测的资格。

既然他吹自己和 GPT-4 比毫不逊色，那我们就让这俩互掐一下，比比斤两。

从拿到资格开始，世超试了一整天。这次也不跟大家卖关子了，直接说测试结论：

总体来说， GPT-4 稳定胜利，但文心一言 4.0 居然意外地某些方面压过 GPT-4 一头。

那么世超这次测试，还是从比较常见的几个测评角度入手，这样体现的更全面、真实。但是，测试难度我们是和之前的 GPT-4 测评难度对齐的。

这比赛的第一轮，先测点大家喜闻乐见的吧。

先从比较轻松的弱智吧和语义陷阱题入手，也正好可以考察一下逻辑和理解能力。

不过，这块很多大模型都有专门训练，问了很多题都没把它们考倒。但是，经过不懈努力，还是被世超抓到了漏洞。

我问了一个非常经典的弱智吧问题：世界上真的有 “ 龙 ” ，那我就在某地被 “ 一条龙 ” 服务过。

没想到，这题两个 AI 没一个能做对的。。。

先看 GPT-4 这边，由于不知道这俩 “ 龙 ” 到底嘛意思，就开始乱编一些历史典故。

文心这边，也没有聪明到哪去，也是乱编了一种 “ 幽默 ” 的说法。

甚至，世超后面又给了它一次机会，追问它：两个龙是同一个龙吗？

文心依然极其坚定地给了我一个完全错误的答案。

不过，到了第二题， GPT-4 就站起来了。

当我问：公司是个温暖的大家庭，怪不得我总是当孙子。

文心这边还在那 “ 温暖的公司 ” 、 “ 没有等级差别 ” 。

但再看人家 GPT-4 这个外国 AI ，早就读懂了中国人的话里有话，表面温暖，实则冰冷。

不过，当世超又追加了一道领导题。事态却突然彻底反转，反而是文心赢得很彻底。

世超问了几个流行的段子： “ 领导夹菜你转桌，领导喝水你刹车 ” ，让它们给仿写几个。

其实这题要想做对，并不容易。不仅仅需要精准地理解提问，并且要能够推理出句子的规律和情感色彩。

两边 AI 给我的句子，对仗都蛮工整的，就是 GPT-4 语义彻底理解反了。领导的马屁拍的非常完美，可惜就是答案全错。

文心这边给的这些答案，才真的符合当代青年的领导文化。

不过温馨提示，实操的时候建议开始以 GPT-4 为准。

这第一轮比拼结束，文心 VS GPT-4 不分高下， 1 比 1 打了平手。

看来，文心一言说自己进步神速，不是完全在吹牛啊。

第二轮比赛，世超还想继续玩点有意思的，试试 AI 解读梗的能力。

当年， GPT-4 上线时能解梗图，那是叱诧风云了好长一段时间。

这一次，世超不仅仅让它们读梗图，还要加码测试一下，看他们联网能力能不能应对各种网络上的新梗。

因为前面都是测中文语义，世超觉得对 GPT-4 有点不公平，所以特地选了个中英注解都有的梗图。

就像我的人生一样不知道在忙些什么

不知道是不是有英文辅助，这一次GPT-4 梗图解读能力强的不是一星半点。

不光能看懂 “狗狗” 是这张梗图的关键角色，而且读懂了笑点在于 “ 认真帮忙 ” 和 “ 毫无效果 ” 的对比。

但是，文心这边却还在一板一眼地把梗图，当阅读理解题来做。。。

而且嘴还蛮硬，你说这张图好笑，它坚持：这没啥让人发笑的，搞不懂你在乐什么。

不过，文心虽然不擅长解释梗图。但到了中文互联网梗，又马上扳回了一城。

世超问了个关于最近互联网上的新晋网红完颜慧德老师的 lonely 梗。

这如果不是十级冲浪选手，一看到这个句子，估计是一脸蒙圈的。

结果，文心不光点出了梗来源，而且正确解释了这是个谐音梗。

虽然最后很可惜，把 “ 伦理 ” 错误理解成了 “ 理论 ”，就差这临门一脚，没踢进去。

但如果文心这边是没满分，那 GPT-4 这边恐怕属于不及格了。。

不光没读懂梗，连出处都找错了，让你去大型纪录片《完颜慧德传奇》里面找一找答案。

这第二轮比赛的两道小测试下来，双方各有千秋，不分高下吧。文心的热梗更新很快， GPT-4 图片解读更强。

两轮比赛下来，目前还没分出个高低来，焦灼在了 2 比 2 。

接下来，为了拉开比分的差距，咱们得上点狠货了。

前面两轮语义理解都更偏基础，我们再测试一下专业能力。第三轮直接顶上 GPT-4 的超级强项——代码题。

不知道还有没有人记得，当年 GPT-4 花了 60 秒，做出一个完整的贪吃蛇小游戏，震撼了整个江湖。

现在我们用同样的测试，让文心来试一下。

因为代码比较长，所以这里就不完全展示了。咱们可以直接划到下面，看最后的效果。

先来看 GPT-4 老大哥，依然是稳定发挥。大概几十秒，就做出一个完整的、可以玩的贪吃蛇游戏。包括蛇的移动、点的随机出现、吃完后体积增大这些效果。

但是，来到文心这一边，就是彻底不及格了。

不说别的，这贪吃蛇根本就没动起来，而且后面试着让文心自己修正代码，结果也是越改越错。

这不是动图没动是文心就没做出动的效果来

不过，也不代表文心就很拉，这样悬殊的实力差距，其实是因为 GPT-4 的代码能力太变态了。

如果我们稍微降低一点难度，让它们根据草图，来做网站，那文心也是能自如应对的。

但是，尽管这样，从下面两个网站的效果比较来看， GPT-4 还是更精美、更完整。

文心一言

GPT-4

这第三轮的比赛， GPT-4 是毫无疑问地全面吊打了。现在比分也被拉开了，文心 VS GPT-4 = 2:3 。

为了避免不公平，既然前面试了一个 GPT-4 的强项，那接下俩也测一个文心说自己比较厉害的能力——记忆。

世超找了一份曾经采访导盲犬相关人士的采访文件，全采访资料总共有一万三千多个字。

把这一大份文件丢给这俩 AI 之后，我问了一个最简单的问题：

为什么说导盲犬是骗局？

让人有点意外的是， GPT-4 虽然答案是对的，可是分析得牛头不对马嘴。

我问骗局的原因，他和我说训练难度和导盲犬的导盲能力。。

反倒是文心这一边理解的很准确，它回答的成本高、夸大宣传、不如导盲设备前景好等等，这些才是关键信息。

文心在记忆和理解方面，确实挺扎实。算是成功扳回一城，把比分重新拉回到平局 3 ：3 。

既然事态这么胶着，那这最后一轮，我们就再试一个比较有意思的题。

之前 GPT-4 Vision 版提过，这一代的 GPT-4 图片识别能力很强，可以给合照里的单人进行标注、给图片排序等等。

前面好几道试题，已经证明了文心的图片识别能力也完全不弱。所以，这最后一题，咱们就用图片来一决高下。

世超丢了一张牙齿的 X 光片进去，让双方给我当医生，诊断诊断病情。

俩 AI 都诊断出了存在的智齿阻生问题，而且 GPT-4 甚至看出了上排牙齿存在不整齐的问题，有三颗牙齿是重叠状态。

虽然文心一言也发现了智齿阻生的问题，也指出了可能存在的其他问题。但还是 GPT-4 的答案更准确，更贴切。

这五轮比赛结束，文心一言还是 3：4 输给了 GPT-4 ，在代码这方面，更是被狠狠吊打了。。但在中文语义理解和记忆这些方面，也确实如百度所说，提升了不少。

除了上面我们这些基础测试，这次文心一言还上线了好几个插件功能。

比如一镜流影（ 视频生成 ）、说图解画（ 图片解读 ）、 E 言易图（ 可视化数据分析 ）

比如说一句话做一个金毛爬楼梯的视频，几分钟之后一条配好音的视频就做好了。

不过，目前也不是非常完善，经常出现素材不够，无法生成视频的情况。

作为一个玩具体验一下，还是挺有意思的，真当生产力工具，多少有点够呛。

虽然如此，但文心 4.0 的表现已经让我眼前一亮了。

说实话，原本世超并不对文心抱有太大的希望。因为 GPT-4 的强悍，大家都有目共睹。

在这么强的对手面前，很容易显得你的努力都白费了。。。

这回尽管还是输了，但起码你能感受到进步的地方，更擅长的领域。

不过，最后还是要强调一下，世超的测试只能从常规的角度来简单对比两个大模型。只能算带大家尝个鲜，抢先体验一下，并没有办法，完全代表大模型的实力情况。

到底几斤几两，还需要等彻底开放之后。大家亲自上手体验，才会有更深的感受。

图片、资料来源

文心一言、GPT-4

百度世界2023大会

本文来自微信公众号“差评”（ID:chaping321），作者：四大，编辑：面线 & 江江，36氪经授权发布。