阿里通义千问与ChatGPT实测水平对比

本教程将带您深入了解阿里巴巴推出的通义千问大语言模型（LLM），从诞生背景、核心能力测试到测评结论，全方位解析这款国产AI工具的真实表现。无论您是开发者、内容创作者还是AI爱好者，都能从中获得有价值的参考。

一、通义千问的诞生背景

阿里巴巴（BABA.US）作为中国最大的电子商务平台之一，一直致力于利用人工智能技术提升用户体验和商业效率。在大模型领域，阿里巴巴早在2019年就推出了PLUG，一种基于预训练语言模型的通用对话框架，这是阿里巴巴对于LLM（Large language model 大语言模型）领域的首次尝试。

2021年11月，阿里达摩院宣布了M6大模型，一种基于10万亿参数的多模态大模型，一跃成为了全球最大的AI预训练模型。根据阿里巴巴的描述，M6大模型已经在淘宝、支付宝、天猫等阿里巴巴旗下产业中应用落地并取得了卓越成效。但M6模型至今仍未面向公众开放，非阿里系的厂商也罕有应用。

直到2023年4月7日，阿里云推出了自研大模型“通义千问”，并面向企业以及邀请用户开放。根据官网描述，“通义千问”是一个专门响应人类指令的语言大模型，它可以理解和回答各种领域的问题，包括常见的、复杂的甚至是少见的问题。它不仅是一个效率助手，也是一个点子生成机，可以帮助用户完成各种任务，如写邮件、写文章、写脚本、写情书、写诗等。它还可以提供娱乐功能，如讲笑话、唱歌等。

在大语言模型大热的今天，通义千问自然是处于风口浪尖之上。国内的各大公司都想在该领域分一杯羹，百度（BIDU.US）是第一个吃螃蟹的公司，其在2023年3月16日发布了“文心一言”系列的“多模态”模型（虽然我们现在知道其实它的图片生成能力其实是来源于另一个百度开发的模型）。而阿里巴巴选择了避其锋芒，在四月发布全新针对聊天内容优化的通义千问。由于阿里巴巴吸取了此前文心一言的惨淡场景，选择了仅对部分受邀媒体和企业开放服务。笔者成功拿到了此次的内测资格。

二、通义千问能力测试

对于非多模态的语言模型，主要可以从三个方面考量其能力：文字编排能力、Coding能力和逻辑能力。为了进一步找到当前各大LLM之间的差距，本次还加入了GPT-4共同比较。

1. 文书能力测试

作为最基础的语言组织能力测试，我们先让几个竞品各自写一份请假条：

图一 通义千问的回答（▲点击查看大图）

图二 ChatGPT的回答（▲点击查看大图）

图三 GPT-4的回答（▲点击查看大图）

图四 文心一言的回答（▲点击查看大图）

面对基础的语言文字问题，四款AI工具都可以看似按照需求完成任务，其中通义千问的语法和措辞最为接近国人的口吻。再细看一下，文心一言给出的回答为：“我已经请假了两天，并且目前感觉已经有所好转。但是，我不想因为自己的身体问题而影响到工作，因此我希望能够请一周的病假。”在我们并未给出任何多余的prompt的情况下给自己增加了情景，这也可以算LLM的“幻觉”通病。

再来看下一个问题：请续写《红楼梦》中林黛玉倒拔垂杨柳的故事。

图五 通义千问（▲点击查看大图）

图六 ChatGPT（▲点击查看大图）

图七 GPT-4（▲点击查看大图）

图八 文心一言（▲点击查看大图）

在此处我们要求四个模型分别续写了一个《红楼梦》中不存在的情节——林黛玉倒拔垂杨柳。其中GPT-4的文风最为接近《红楼梦》，通义千问的续写也贴合了原来的人设和背景，较为符合地满足了我们的要求。ChatGPT的回答则是略有偏差。此处文心一言就直接让林黛玉穿越回现代了，并且成功让她成为了一名医生，不仅丢了人设还丢了故事背景。

下面要求四个模型生成一篇完整的文章：请以“AIGC变革内容生产模式”为题写深度文章。

图九 通义千问（▲点击查看大图）

图十 ChatGPT（▲点击查看大图）

图十一 GPT-4（▲点击查看大图）

图十二 文心一言（▲点击查看大图）

四款AI都正确地给出了AIGC这一名词的概念，并且理解了用户的需求。由于通义千问给出的回答较长，本次要求他生成500字的文章。其中GPT-4比较独特，它选择了分点式的总结内容，而其余的则选择了更常规的通稿类型。本次四个AI都能够较为出色地完成任务。

热点追踪提示词 一键复制

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：阿里通义千问与ChatGPT实测水平对比要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题