百般刁难腾讯新产品，它的极限被我测出来了

从去年开始，国内各大互联网公司就先后推出了大模型产品，像是文心一言（百度）、通义千问（阿里）、豆包（抖音）、讯飞星火……

作为互联网巨头，腾讯动作不大，让人感觉成了大模型缺席者，事实上，腾讯开发了混元大模型，在腾讯部分产品里，正在发挥作用。

因为腾讯宣传力度不强，所以用户很难注意到，而前两天，腾讯终于带着他们的 AI 助手“元宝”强势来了。

就产品功能来说，元宝与其他的 AI 助手并没有什么区别，依然是对话界面+各种智能体。

当然了，几乎所有的 AI 助手都是如此，主流的 AI 助手里，只有天工开物搞了一个音乐创作的功能，可惜体验很一般。

信息搜索

回到腾讯元宝上来，按照腾讯官方说法，腾讯元宝接入了微信搜一搜、搜狗搜索、内容涵盖微信公众号文章，主打一个内容全面，信息准确。

老狐试着用他们搜索近期关注的一个互联网话题——抖音电商 2024 年的 GMV 还值得看好吗？

元宝生成的回答，逻辑清晰，开头说明了预测的 GMV 数据，以及关键的兴趣电商与货架电商增长对比，也提到了抖音电商的市场策略和外部环境的竞争。

可以注意到，文章一共引用了 8 篇文章作为参考，来源比较多样，从公众号到新浪新闻、网易新闻甚至还有《财富》杂志，在生成的结果里会标注资料来源，重要数据能迅速找到出处。

在生成结果末尾，提供了更多相关文章，基本来自公众号。

相比于引用资料来说，其实文末的文章质量更高，其中也包含可引用的相关数据，但它们没有被元宝收纳到“引用资料”中。

为了见到自己的文章出现在引用资料里，老狐找了曾写过的选题，结果第 7 条和第 8 条是科技狐发表在不同平台的同一篇文章。

类似的情况在老狐测试时重复出现，优化还不够。

大模型这类涉及到问答形式，需要 AI 引用数据资料来生成回答的模式，回答的质量取决于引用资料的质量。

腾讯元宝背后有腾讯的整个生态，尤其是微信公众号，后者有大量团队和个人在上面发布高质量文章，仅就文字内容来说，这是知乎、小红书比不了的。

但是……没错，老狐要说但是。

元宝在生成答案的末尾，附上的内容都是文字，没有视频内容，形式上不够丰富，尤其是在特定的问题上，视频能呈现出更好的效果。

比如面对“佛跳墙怎么做”这个问题，文心一言会提供视频内容，其中还有“老饭骨”明星大厨制作的视频，而元宝只有文字。

这需要腾讯后续升级优化，比如引入视频号的短视频，或引入其他平台如 B站、快手的视频内容。

文档总结

文档总结功能，现在成了大模型内卷的方向之一，尤其是文字长度。

今年 3 月中旬，Kimi 宣布支持文档最高字数达到 200 万字，没过多久，通义千问就把字数上限提升到 1000 万字。

可能有人会质疑上百万字数无用，然而，很多企业一份英文财报字数就可能超过 100 万。

腾讯说元宝能一次性解析最多 10 个 PDF/word/tet 文件，一次性阅读一本书不成问题。

先来看看普通的文章总结，老狐拿公众号的文章做了测试，结果让人有些失望。

总结里提到 SU7 的销量超出预期，以及雷军设定新的销售目标，相关数据原文有提到，但总结却没有列出来。

我甩给它小米的财报 PDF 连接，让它帮我找出关键数据，这一点，元宝完成得非常不错。

继续增加难度，我同时向它扔了蔚来、小鹏和理想三家车企的去年英文版年报的链接，让它整理一些关键数据。

它变成了文档提取失败，多次尝试依然无果。

于是我又特地下载三份年报到本地，上传数据让它读取。

这回倒是不会提取失败，生成了相关数据，并且用表格进行对比，但三家车企数据雷同。

老狐猜测原因是三篇财报字数接近 350 万，超过了元宝的文字长度限制，于是默认使用了最后上传的小鹏财报数据。

用 Kimi 和通义千问来总结，也无法成功，Kimi 提示“超过对话长度”。

不过，改成只总结蔚来的年报时，元宝正确引用了蔚来的数据，但却犯了一个致命错误，把 RMB 和 Dollar 弄混了。

*元宝总结的数据

*蔚来财报截图

老狐圆不回来了，可能元宝的英文不佳吧。

值得一提的是，在微信里打开好友发过来的 word 或 PDF 文档，可以选择用元宝打开，通过元宝小程序总结文档内容。

而在企业微信里，暂时还不支持元宝打开文档。

谁是真实的办公软件，谁是虚假的办公软件一目了然。

AI 写作

AI 写作也是如今大模型必提的功能之一，宣传的文案、策划等场景，大模型已经能够满足。至于技术要求更高、代替老狐工作的长文写作能力，大模型已经很少提及。

先来看一个比较普通的写作场景——写周报，这是我给的 prompt：

“帮我写一份上周的周报。我周一写完了之前没写完的视频稿，周二，周三，周四写了两篇公众号稿子，并体验了一款大模型产品，周五做了测评并写了一部分文稿”

这是元宝生成的答案。

Prompt 里只有简单的工作内容，生成的周报丰富了细节，比如“与视频团队沟通”、“撰写过程中注重内容的深度和广度”。

整体来说，这份周报内容写得还不赖，完成了大部分框架，根据实际情况再做调整，便足够应付咱们工作中的需要。

另外我让元宝完成一份策划方案，比如公司团建活动，给出 prompt 为：

“策划一场公司团建活动，参与人数为20人，地点就在公司，时间是下午一点半到六点半，活动内容包括近期工作总结，互动游戏。”

生成的活动策划案第一项是工作总结，安排的三个互动游戏适合室内，游戏道具也有提及。

只不过第三条“心得分享与交流”，在我看来没有必要，但这部分可能是大多企业结束团建的仪式。

这份策划方案大家认为如何？老狐认为还不错。

逻辑计算和常识

在考验大模型的逻辑能力时，最常用的题目类型是鸡兔同笼求解，不过类似问题已经难不倒普通的大模型，元宝同样如此。

提高难度，老狐用一道高考模拟题来考验它，原题是这样的。

上传图片让元宝识别题目，然而识别出现错误。

于是老狐又手动输入题目，最终计算出一个……错误答案！

小伙伴也别觉得元宝计算能力差，事实上，这道题我之前用文心一言、Kimi、通义千问、豆包都计算过（且都无法直接用图片提取题目文字）。

元宝，文心一言、Kimi、豆包利用不等式知识解题是正确的思路，但是原题需要变通，将 36=4（a+b） 带入进去提取常数，大模型显然没有这个创造力，纷纷选择硬解，集体翻车。

通义千问计算出了正确答案，不过没用不等式，而是通过微积分知识，求导确定极值。

通义千问这波是拿宰牛刀杀鸡。

我调整了 prompt，让它用不等式知识计算，看着它输出了 3 分钟计算过程，中途还更改计算步骤，最后变成了系统超时。

能否制造并使用工具是人与动物的区别之一，而能否灵活运用知识，是人与机器的区别。

常识问题在去年大模型爆发初期常常见到，还闹出了“林黛玉倒拔垂杨柳”的笑话。现如今，这个 Bug 已经得到优化，元宝在面对这类问题能轻松避开。

老狐用国外的文学知识对它测试，它也能正确指出其中的错误。

不过有些陷阱它还是无法避免，比如我在周五问元宝今年多特蒙德为何夺得欧冠冠军，它说得头头是道，然而比赛是周日凌晨才进行。

不过当比赛结束，再问它多特夺冠，它已经能指出其中问题所在。

大模型常识问题需要大量资料支撑，在事发前，没有任何资料，它可能就会胡言乱语。

大模型就像是三体人，与人类的诡计多端比起来，还是单纯了些。

AI 作图

在腾讯的宣传稿里，特意提到元宝作画的能力。

实际上，如果给到的 prompt 提到的主角单一，并给到环境描写，它能生成信息准确的图片。

一旦主角有两位，包含不同的细节，元宝生成的图片就对不上 prompt 了。

此外，在某些场景下，生成的人物面部会很恐怖。

这种情形下选择重复输出，能得到一张容貌姣好的美女照片，但眼神依旧怪异，而且伞骨歪斜。

老狐进行了多次测试后发现，如果人物是正面，且脸部占据画面较大的面积，元宝对人物面部刻画会更准确，一旦角度是斜侧，或者人物面部较小时，面部就会出现比例失调，尤其是后一种情形。

这不是元宝一个大模型的问题，其他大模型也会如此。

不过有些大模型在处理这类问题时，要讨巧得多，要么选择展示人物背面，避免脸部的刻画，要么就直接正脸，给侧脸是死活不会给的。

在他们面前，元宝、豆包像个耿直 boy，画人物面部几率要比其他几款大模型高得多。

反过来，耿直的元宝也更“听话”，画面与 prompt 更契合，用户更容易得到自己想要的画面。

总结

以上就是关于腾讯元宝的简单体验，在内容方面，它与微信生态结合更紧密，能引用更多微信公众号内容，这是元宝独一无二的优势。

作为一个 AI 助手，元宝可能最合适微信公众号创作者，比如老狐。

但元宝劣势明显，缺少短视频内容支撑，内容形态不够丰富。

不过最令老狐印象深刻的还是元宝在作画时的耿直，照着用户的 prompt 生成，不惜暴露自己的缺点，少了文心一言、通义千问的“圆滑”。

一边是元宝、豆包听话但有缺点的大模型，另一边是文心一言会隐藏缺点但执行不到位的大模型，大家觉得哪个好？

参考资料：

腾讯元宝、文心一言、豆包、Kimi、通义千问等App。

编辑：木易