通义千问爆甩开源全家桶！最强720亿参数超车Llama 2，新上视觉模型看图直出代码

新智元报道

编辑：编辑部

【新智元导读】通义千问开源全家桶正式上线！业界最强72B模型直接超越开源标杆Llama 2-70B，还有1.8B模型、音频大模型全部开源，阿里云这次真的把家底都掏出来了。

刚刚，AI社区被这张图刷屏了。

阿里云竟然开源了720亿参数通义千问大模型Qwen-72B，而且10个测评中，性能直接超越开源标杆Llama 2-70B。

国产开源模型中，很少能见到这么大的参数。

要知道，此前国内的大模型市场，极少出现足以对标Llama 2-70B的优质开源模型。

「就在几周前，我还是Mistral的狂热粉呢。谁能想到，才短短两三周过去，AI世界就已经变天了！」

而如此优异的性能和长达32K的上下文，也让网友们赞叹不已。

同时，网友们也非常期待1.8B模型的int8版本：「一大波TPU和NPU的ARM计算机要来了」。

从18亿、70亿、140亿，到720亿参数，四款大语言模型全部开源，统统开源？

不仅如此，开源的还包括视觉理解、音频理解两款多模态大模型。

阿里云这次，可以说是把家底都掏出来了，如此「全尺寸、全模态」的开源，业界从未见过先例。

这也就意味着，从现在起，无论是消费级终端，还是企业高性能应用，都有丰富的国产开源大模型可供我们选择了！

对标Llama，开源业界最强720亿参数大模型

720亿参数的Qwen-72B，尺寸直接对标Llama2-70B，性能更是达到开源大模型顶流水平，赶超了绝大部分商用闭源模型。

在10大权威测评中，通义千问720亿参数模型获得开源模型最优成绩

基于3T token的高质量数据训练，以更大的参数规模、更多的训练数据，Qwen-72B实现了全方位的性能升级。

语言能力上，Qwen-72B表现优异，在MMLU基准测试中的英语任务上，取得了开源模型最高分；在中文任务上，霸榜了C-Eval、CMMLU、GaokaoBench等测评，得分超越GPT-4。

看到这个测评结果，小编手痒了，立马上手实测了一把。

文言文寓意的理解，把控很到位。

弱智吧的问题，Qwen-72B也不在话下。

数学推理方面，相比其他开源模型，Qwen-72B在GSM8K、MATH测试中领先。

同时，代码理解能力也有了质的飞跃，在HumanEval、MBPP等测试中的表现有了大幅提升。

面对高中数学题，Qwen-72B不仅解题思路清晰，而且计算结果准确。

0.999无限循环和1，哪个大？这是数学界一道经典的案例，却难倒了很多人。

果然，Qwen-72B给出了正确答案：0.999…=1。

天堂地狱两扇门，两个门卫，一个说真话，一个说假话，只能对一个人提问一次，如何找出天堂之门？

对于这种复杂的逻辑推理，Qwen-72B也能胜任。

32K超长上下文轻松拿捏

除了最直接的生成能力外，随着GPT-4 128K和Claude 200K的登场，超长文本序列处理这个赛道也是越来越「卷」。

但在实际应用中，很少有模型能够充分理解和利用长文档中的所有信息。

前段时间，技术大佬Greg Kamradt用了一种被称为「大海捞针」的方法，测试了GPT-4和Claude 2.1的长上下文能力——「给定一篇长文档，在其中插入一句话作为需要检索的信息，并在文档最后对模型进行提问。」

结果显示，标称200K的Claude 2.1，从90K开始就明显出现了性能下降，而类似的情况也发生在GPT-4 128K上。

相比之下，Qwen-72B基本可以准确地找到32K以内，放在各个位置上的信息。

看看这三张对比图，真是没有比较就没有伤害

难倒GPT-4和Claude的问题，却被Qwen-72B轻松解决了，无怪乎会惹得国外开发者们连连惊呼。

一句prompt，定制任意人设

除了更长的上下文能力之外，Qwen-72B还搭载了强大的系统指令（System Prompt）能力。

一句提示词，我们就能定制自己的AI助手，让大模型进行角色扮演。

比如，可以让它扮演甄嬛：「你爱的是皇帝，还是果郡王？」

体验地址：https://modelscope.cn/studios/qwen/Qwen-72B-Chat-Demo/summary

你还可以让它扮演二次元萌妹。

要知道，定制人设，其实是一项技术含量颇高的技术。

在角色扮演中，AI助手不应该在多轮对话后忘掉自己的人设，这就要求系统指令在多轮对话中保持稳定。另外，AI助手还要基于设定，对自己的行为进行推理。

而系统指令，提供的正是一个易组织、上下文稳定的方式，来帮助我们控制AI。

比如，让它是猫，它就得喵。

Qwen-72B基于多样且存在多轮复杂交互的系统指令进行了充分训练，让模型可以跟随多样的系统指令，实现了上下文的定制化，从而进一步提升模型的可扩展性。

类似的，OpenAI开放的「GPTs」也能够通过定制实现模型的扩展。发布一天后便有上千款应用诞生。

举个栗子，有开发者根据男友人设定制了一个「男友GPT」，还有科研GPT、游戏生成GPT等等。

全尺寸开源

这次补上的，可不仅仅是70B级参数模型的空白——

阿里云同时开源的，还有1.8B的小尺寸模型Qwen-1.8B。

如果说Qwen-72B「向上摸高」，抬升了开源大模型的尺寸和性能天花板。Qwen-1.8B的开源则「向下探底」，成为市面上尺寸最小的中国开源大模型。

模型参数规模的大小与算力消耗呈正相关。简言之，模型越大，模型训练和推理成本越高。

然而，对于许多开发者和企业来说，在有效控制模型训练和推理精度前提下，模型越小，开发成本越低，能够推动大模型技术普惠化。

就连微软也非常看好小体量的模型。前段时间的Ignite大会上，纳德拉宣布了仅有27亿参数的Phi-2模型，并将在未来开源。

相比之下，Qwen-1.8B最大的优势就在于，推理所需最小的显存不到1.5GB，能够补足很多端侧场景的应用。

而且，最低微调成本也不超过6GB，微调速度更是比7B模型提升了3倍以上。

在多个权威评测集中，Qwen-1.8B性能远远超过了此前同规模的SOTA模型。

从18亿、70亿、140亿到720亿参数规模，这种全尺寸、全模态的开源，在国内是首例。

今年8月起陆续在魔搭开源的70亿参数模型Qwen-7B、视觉理解模型Qwen-VL、140亿参数模型Qwen-14B几款模型，先后冲上HuggingFace、Github大模型榜单， 累计下载量已经超过150万，并且催生出超过150个新模型新应用。

多模态探索

这次，通义千问团队在多模态大模型领域也领先了业界一步，首次开源了音频理解大模型Qwen-Audio。

论文地址：https://arxiv.org/abs/2311.07919

与传统语音模型不同，Qwen-Audio具备了对人声、自然声、动物声、音乐声等各种各类语音信号的感知和理解能力。

在Qwen-Audio的基础上，团队通过指令微调来开发Qwen-Audio-Chat，可以实现多轮对话，支持多样化的音频场景——类似于OpenAI在9月推出了全新的语音功能，用户可以直接通过说话与ChatGPT聊天。

现在，当你向Qwen-Audio输入一段语音后，它也能够「听见」，并且「回复」你想要了解的内容。

甚至，它还能基于音频进行文学创作、逻辑推理、故事续写等等。

体验地址：https://modelscope.cn/studios/qwen/Qwen-Audio-Chat-Demo/summary

通义大模型不仅能「听」，而且还能「看」。

今年8月，通义千问开源了视觉理解大模型Qwen-VL，赋予大模型接近人类的视觉能力。

多模态模型被视为通用人工智能技术演进的重要方向之一。

从仅支持文本的语言模型，到能够理解和生成音频、图片、视频等多模态「五官全开」的模型，暗含着大模型智能跃升的巨大可能。

12月1日Qwen-VL再次发布重大更新——不仅在通用OCR、视觉推理、中文文本理解基础能力得到了大幅提升，而且还能处理各种分辨率和规格的图像，甚至连「看图做题」这种刁钻的需求都可以轻松搞定。

上传一张路标示意图，Qwen-VL能够做出驾驶决策。

上传一道小学编程题，它能直接读图，写出代码。

手写体、手绘图，都可以识别。

上传一段英文，模型就可以识别出英文原文，并将其翻译成中文。

开源还是闭源，这重要吗？

ChatGPT诞生至今，已经过去整整一年。所有人皆见证了，这个AI利器给整个世界带来的巨变。

据不完全统计，国内大模型总数已经超过了200+个，而开源的模型也是比比皆是。

在这之中，开源和闭源的较量，就像操作系统一样，一直都在。

图灵奖得主Yann LeCun曾说过，闭源证明了大模型路线的可行性，而开源则通过繁荣的生态，让大模型变得易用、可用。

虽然业界的讨论异常激烈，但对于用户来说，选择模型的原因主要有两个。

首先，模型的性能是否满足自己的场景需求。

如果追求开箱即用，多半会选择已经打包好的闭源模型产品。如果需要深度自定义，且对安全隐私有明确要求，大概率会选择开源模型。

众所周知，不同的开源模型之间除了参数会有差异之外，训练数据也各不相同。自然的，模型在性能和知识结构上也会有优劣之分。

从上文的评测结果可以看出，通义千问开源全家桶，在性能上可以很好地支撑起各类的AI应用。

比如，有了通义千问这个大脑，再给它配上身子，简直就是现实版007—— 让机械臂为你加热一块蛋糕，开烤箱，放置蛋糕，再旋转按钮加热，整套流程下来，只能用丝滑来形容。

据华东理工X-D实验室的颜鑫介绍，在当时测试的众多开源大模型中，通义千问是发挥最好的，尤其在复杂的逻辑推理方面。

于是，团队便以通义千问为基座，开发了三款垂直领域的大模型。并且，模型目前已经有超过20万人次使用，累计提供了超过100万次的问答服务。

体验地址：https://modelscope.cn/studios/X-D-Lab/MindChat/summary

其次是，模型有没有生态，会不会可以持续做下去。

显然，那些为了蹭热度搞出来的大模型，不仅不会有进一步的更新，更不会有相关的生态。

相比之下，阿里云则一直在人员、资金、配套工具等方面加码开源，为开发者提供了一个完整的全链路闭环服务。

比如，2022年推出的AI模型社区「魔搭」，至今已经有2300+模型，280多万开发者。在这个平台中，开发者可以下载各种模型，调用API推理。

不仅如此，开发者还可以通过「灵积平台」可以调用模型API，或使用「百炼平台」定制大模型应用。

以及针对通义千问全系列模型进行深度适配的「人工智能平台PAI」，也推出了轻量级微调、全参数微调、分布式训练、离线推理验证、在线服务部署等服务。

作为开源的重要贡献者之一，这一次阿里云带着720亿参数、18亿参数通义千问，语音模型Qwen-Audio，继续为开源社区贡献力量。

参考资料：

https://modelscope.cn/organization/qwen