零一万物 API 上线，用户反馈多模态中文图表体验超过 GPT-4V

　　长文本、多模态依然是当下大模型公司努力攻坚的领域。

　　作者丨张进

　　编辑丨陈彩娴

　　近日，大模型初创公司零一万物发布了Yi 大模型 API 开放平台，为开发者提供通用 Chat、200k 超长上下文、多模态交互等模型。

　　零一万物由创新工场董事长兼首席执行官李开复创办于 2023 年 6 月，零一万物便成功发布了 Yi 系列模型，包含 6B 和 34B 两个版本，并开源，打破了当时国产开源模型一直难以超过 14B 的现状。34B也是黄金尺寸的模型，既达到了大模型“涌现”能力的门槛，同时也能在消费级显卡上训练，对开发者相对友好。

　　此后较长一段时间 Yi-34B 在 Hugging Face 英文开源社区平台跻身前列，一举打响了零一万物的模型名声。

　　而此次推出 Yi 大模型 API 开放平台，意味着经过数月的筹措与准备，零一万物已经具备了一个初步的模型产品矩阵，将模型能力完全开放出去供开发者测试、使用。

　　跟开源一样，这同样需要很大的勇气，是对零一模型能力进一步的测试与考验，但好在经过前期体验与一些用户实测，收获了诸多好评。在 Yi-34B-Chat-0205、Yi-34B-Chat-200K 之外，零一万物开放平台此次同期上新的多模态大模型 Yi-VL-Plus，支持文本、视觉多模态输入，面向实际场景大幅增强。多位用户反馈：中文图表体验超过 GPT-4V。

　　开发者作为大模型生态中非常重要的一环，从开源 Yi-34B 模型免费供开发者使用，到今天又推出Yi 大模型 API 开放平台，可以看到零一万物非常重视开发者生态的塑造。

　　Yi 大模型 API 名额目前限量开放，零一万物会为新用户免费赠送 60 元，感兴趣的开发者不妨多多申请体验一下。

　　1

　　API 开放平台：

　　聚焦 200K 长上下文和多模态

　　据介绍，此次 API 开放平台提供以下模型，包括：

　　Yi-34B-Chat-0205：支持通用聊天、问答、对话、写作、翻译等功能。

　　Yi-34B-Chat-200K：200K 上下文，多文档阅读理解、超长知识库构建小能手。

　　Yi-VL-Plus：多模态模型，支持文本、视觉多模态输入，中文图表体验超过 GPT-4V。

　　（零一万物API开放平台链接：https://platform.lingyiwanwu.com/）

　　AI 科技评论发现，此次零一万物 API 开放平台主要聚焦于当下两个最重要的领域，一是长文本，二是多模态。

　　大模型早已进入长文本时代，各家大模型都在推自己的长文本能力，Yi-34B-Chat-200K 支持处理约 30 万个中英文字符，更具象的体现是可以轻松处理整本《哈利·波特与魔法石》 小说，适合用于多篇文档内容理解、海量数据分析挖掘和跨领域知识融合等行业人员。

　　例如金融分析师可用 Yi-34B-Chat-200K 快速阅读报告并预测市场趋势、律师可以用它精准解读法律条文、科研人员可以用它提取论文要点等。

　　在“大海捞针”的测评中，Yi-34B-Chat-200K 的性能提高了 10.5%，从 89.3% 提升到 99.8% 。该测试是将一个目标句子（针）放进一个随机文档语料库（大海），然后提出一个只能使用“针”（目标句子）中的信息才能回答的问题来测试模型的回忆能力。

　　Yi-34B-Chat-200K 可以对近300页的英文长篇小说《Frankentein 科学怪人》进行中文归纳总结和用表格例举书中人物。

　　而零一万物开发的多模态模型 Yi-VL-Plus，可支持文本、视觉多模态输入，面向实际应用场景大幅增强：

　　增强Charts, Table, Inforgraphics, Screenshot 识别能力，支持复杂图表理解、信息提取、问答以及推理。中文图表体验超过GPT-4V。

　　在 Yi-VL 基础上进一步提高了图片分辨率，模型支持 1024*1024 分辨率输入，显著提高生产力场景中的文字、数字 OCR 的准确性。

　　保持了 LLM 通用语言、知识、推理、指令跟随等能力。

　　在全球多项权威评测榜单中，Yi 大模型表现优异，性能直追 GPT-4。从实际测评结果显示，很多场景 Yi-VL-Plus 效果超过 GPT-4V。

　　例如，当我们把下述表格分别给 Yi-VL-Plus 和 ChatGPT 处理，发现两个模型的处理结果不同：

　　Yi-VL-Plus 得出了正确答案，GPT-4V 没有，可见 Yi-VL-Plus 对中文复杂表格的信息识别处理准确度高于 GPT-4V：

　　再例如，我们将下述模糊汉字的图片提交给 Yi-VL-Plus 和 ChatGPT 识别：

　　发现Yi-VL-Plus 回答正确了，ChatGPT 没能答对：

　　2

　　在实际应用场景中的效果：

　　用户评价较高

　　据零一万物透露，此前，Yi 大模型 API 小范围开放内测，全球已有不少开发者申请使用，并普遍反馈效果超出预期，其中，星云爱店 CTO 大董、技术人负责人刘亚光和测试过零一万物 API 开放平台后，也给出了较高评价。

　　星云爱店是知识探索服务的先行者，该公司的业务包含2C的“学术科研助手”，2B的儿童心理健康诊疗、青少年科学素养培养三大领域。

　　大模型爆火后，针对科研学术场景，星云爱店“万能小in科研助手”可以加载大模型能力，帮助用户进行深层次文本资料解读、文献分析以及创造性写作；针对青少年科学素养培育计划，星云可以利用大模型来辅助制定个性化学习计划，提供学习辅导，评估学习成果，并引导学生举一反三，创造性提升学习效果。

　　所以要求大模型同时具备智商IQ和情商 EQ——做研究时大模型要有智商IQ，精确、严谨、化繁为简，而在服务用户时又有情商EQ，善解人意、无微不至。

　　星云爱店 CTO 大董参加过诸多一线大模型的测评，但他发现找到双商兼并的平台并不容易，他们要求大模型能达到：长文本精确摘要，对话文案专业化、精细化，拒答率低。这次，星云爱店成为零一万物 Yi 大模型 API 开放平台邀测的首批用户。大董说，相比其他大模型，满分 10 分的话，给 Yi 大模型 API 开放平台整体评分可达 8.5，属于他们测试大模型 API 中的头部玩家。

　　经过多次测试后，大董发现零一万物 Yi 大模型 API 开放平台，相对其他模型有以下优势：

　　（1）当执行复杂任务时，拒绝任务率低，完成度好，测试案例如下：

　　其他模型，被拒率达 40%。

　　切换到零一模型后，任务未发生拒绝执行，且篇幅控制准确，撰写创业优良，翻译专业准确。

　　（2）学习专业知识并立即用于解读，表现优良。有深度、有创意。（星云爱店提供的资料均脱敏）

　　结合历史病历和从图片信息，零一模型可以较好的完成对青少年心理健康水平解读。并被中国顶级精神卫生医院评价为：较准确。

　　（3）阅读18万字的报告集合，未遗漏重点

　　其他模型（左标黄图所示）：无地缘政治风险。

　　零一模型（右图所示）：英国脱欧导致索尼总部搬迁，导致索尼欧洲业务连续性受影响。

　　使用了 Yi 大模型API开放平台后，现在，星云爱店的业务能力和用户体验明显提升。

　　首先是复杂场景下多指令理解反馈高效精准。不管是学术研究还是为儿童青少年提供辅导，经常都会有“既要又要还要”的刁钻需求，比如需要总结一系列文章核心观点，并按照某一标准排序打分后进行语言翻译，这是对模型的指令遵循、创意内容生成以及推理速度的综合考验。大董说：“Yi-34B-Chat-200K面对几万字的超长提示词，10 秒钟就反馈回来了结果，极大提高大家的工作效率。”

　　其次是长文本中“大海捞针”精确度优异，这让星云爱店的产品可以在诸多文本分析与写作平台中独占鳌头。学术研究最难的并非找到1万篇文献的共同点，而是要在浩如烟海的文字中，找到可能会被前人忽略的关键信息。大董说，即使是做诗词韵律相关的分析，在测试中发现 Yi 大模型都可以准确理解文献表达的意思，很快抓住重点。30 万字的处理能力者对于知识库的分析整理很重要。Yi 大模型在语义理解、摘要总结等精确度等方面是他测试过的各类长文本模型里的领先者。

　　此外，不管是服务科研还是做心理咨询，“靠谱”是最重要的品质。大董说，以心理咨询场景为例，在线拒答率、回答文案的温暖程度极大影响用户体验。零一万物的API做到了靠谱且易用，这对一家业务正在持续增长，用户规模不断扩大的公司尤为重要。

　　而 Yi 大模型API开放平台的“靠谱易用”，还体现在 API 接入的顺滑程度上。星云爱店技术负责人刘亚光说，接入 Yi 大模型 API 代码修改量极少，几乎是分分钟就可以搞定。

　　而用户能拥有上述体验则要源于零一万物对 API 的优化，据零一万物透露，为了提升 API 性能，零一万物在 API 侧进行了推理优化，因此 Yi-34B-Chat 系列 API 具备较快的推理速度，这不仅缩短了处理时间，同时也保持了出色的模型效果。此外，优化的 API 接口显著降低了模型回复的延迟，进一步提高了用户体验的流畅性和响应速度。

　　同时，Yi 系列模型 API 与 OpenAI API完全兼容，只需要修改少量代码，就能平滑迁移。

　　据零一万物透露，未来零一万物将会持续为开发者提供更多更强模型和 AI 开发框架，让大模型更好地完成落地，包括：

　　推出一系列的模型 API，覆盖更大的参数量、更强的多模态，更专业的代码/数学推理模型等。

　　突破更长的上下文，目标 100万 tokens；支持更快的推理速度，显著降低推理成本。

　　基于超长上下文能力，构建向量数据库、RAG、Agent 架构在内的全新开发者 AI 框架。旨在提供更加丰富和灵活的开发工具，以适应多样化的应用场景。

　　本文作者（vx：zzjj752254）长期关注AI大模型领域的人、公司与行业动态，欢迎交流。

　　更多内容，点击下方关注：

　　未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！