讯飞星火4.0:整体超越GPT-4 Turbo,8个国际权威测试集测评第一

机器之心报道

作者：姜菁玲、杜伟

国内大模型的能力，又来到了一个新高度！

6月27日，科大讯飞正式对外发布讯飞星火大模型V4.0，以及在医疗、教育、商业等多个领域的人工智能应用。

随着新版本的发布，讯飞星火V4.0七大核心能力全面升级，在8个国际主流测试集中排名第一，整体超越GPT-4 Turbo，领先国内大模型。

刘庆峰称，当前，星火APP下载量已经达到了1.31亿，涌现出一批用户喜爱的应用助手。在星火大模型的加持下，部分场景下的智能硬件销量同比增长70%+，月均使用时次数超过4000万。

另外，星火V4.0大模型是基于全国首个国产万卡算力集群「飞星一号」训练而成，意味着完全自主可控。

整体超越GPT-4 Turbo

七大底层核心能力再次升级

今年1月底，星火大模型 V3.5在语言理解、数学能力方面超过了GPT-4 Turbo，但代码、多模态等其他能力依然与后者存在一些差距。

如今，5个月过去了，星火大模型V4.0再次进化，不仅在文本生成、语言理解、知识问答、逻辑推理和数学五大能力方面完成了对GPT-4 Turbo的整体超越，并进一步缩小了在代码、多模态能力方面的差距，尤其是多模态能力达到了后者97%的水平。

不仅如此，在国内外涵盖理解 &推理、综合考试、数学&科学以及代码任务的12项中英文主流测试集中，星火大模型V4.0在8项测试集中排名第一。

在主流测试集之外，最近新鲜出炉的中高考题目更能检验大语言模型的综合成色。

在这一领域的考核中，星火大模型V4.0的表现尤为出色。以2024北京中考为例，星火大模型V4.0取得了主客观题得分率的双双第一，可以说是合格甚至中等水平的考生了。

除了底座七大核心能力的全面提升，此次星火大模型 V4.0 在指令跟随、文本、多模态、推理能力等多个方面还进行了针对性的性能优化和功能创新。

首先，星火大模型V4.0加强了复杂指令跟随和长文本处理能力，并业界首发一项新功能——长文本内容溯源。

具体来讲，在长文档要素抽取、长文档总结摘要、长文档问答和长文档文本生成等任务中，星火大模型 V4.0 的整体表现与GPT-4 Turbo相当。同时，内容溯源功能又进一步减少了长文档知识问答任务中的幻觉，使得答案的准确率更高。

在多模态方面，星火图文识别能力持续升级，尤其在科研、金融、医疗、司法和办公等专业领域的图文识别能力获得极大提升，超越了OpenAI上个月发布的最新旗舰模型 GPT-4o。这意味着星火大模型V4.0未来在这些垂直应用领域会有更大的应用潜力。

星火大模型V4.0在面向教育复杂场景的图文识别任务中也更加游刃有余，在印刷体和手写体的复杂公式识别中均显著超越了GPT-4o。

同样地，在基于逻辑关系的多模理解方面，星火大模型V4.0可以给出较以往逻辑更严谨、思路更清晰的回答。

最后，星火大模型V4.0能够搞定更加复杂的逻辑推理、空间推理问题。

以空间推理为例，“Bob在客厅里。他拿着一个杯子走到厨房。他把球放进杯子里，然后拿着杯子走到卧室。他把杯子倒过来，然后走到花园。他把杯子放在花园里，然后走到车库。问题：球在什么地方？”讯飞星火可以基于空间和常识推断出球在卧室的地面上，这些能力的进步对于以后的具身智能、家庭机器人都具有意义。

可以说，一系列底层核心能力的升级，秀出了国产大语言模型全面超越国外竞品的实力，并为基于大模型的应用落地打下了坚实的能力基础。

星火语音大模型发布74个语种方言“自由对话”

破解强干扰场景下语音识别难题

语音能力一直是科大讯飞的绝对优势。6月24日，科大讯飞凭借“多语种智能语音关键技术及产业化”项目荣获2023年度国家科学技术进步奖一等奖。

早在2024年1月30日，讯飞在星火大模型V3.5更新中，就已首次对外发布星火语音大模型，首批37个主流语种语音识别效果超过OpenAI Whisper V3。在星火V4.0的发布会上，科大讯飞宣布其语音模型能力再次重磅升级，除了37个主流语种，还增加对37种方言的识别。用户可以实现37个语种+37个方言共74种语言免切-自由交流。

现场，演示人直接用上海话、粤语、合肥话、四川方言、日语以及法语等语言直接跟大模型沟通，大模型都能在快速准确识别出来。

现场方言识别演示：https://mp.weixin.qq.com/s/2b6RUB4evBQduTMejijdTQ

另外，讯飞还重点展示了其超复杂场景语音转写的能力。三位人员现场实测了在噪音场景下，同时混叠着说话，正常人耳已难以听清，只见讯飞星火的多模态能力不但实现了三人重叠语音的角色分离，还能实时转写出每个人说的话。

凭借智能语音的升级，讯飞进一步在汽车场景深耕。刘庆峰还展示了升级后的星火智能座舱。

医疗大模型「讯飞晓医」

每个人的AI健康助手

由于医学场景的特殊性，专业性极高、容错率极低，面向C端的健康知识问答一直是一个难点。

去年10月，讯飞曾经在星火V3的发布中简单介绍过自己医疗大模型应用「讯飞晓医」以及面向B端的应用「智医助理」，「讯飞晓医」面向C端开放，可以提供体检报告分析等功能，「智医助理」可以提供预问诊等能力。

这次星火V4.0发布，讯飞针对医疗大模型和应用做了进一步升级介绍。现场刘庆峰分享的数据显示，在海量知识问答、复杂语言理解、专业文书生成、诊断治疗推荐、多轮交互以及多模态交互等方面，讯飞星火医疗核心能力全面超过GPT-4 Turbo和GPT-4o。

在应用端，自发布后，面向医生端的「智医助理」实现了辅助诊断8.2亿次，147万次修正诊断，帮助发现7267万不合理处方数。

面向个人端的App「讯飞晓医」则可以为普通用户免费提供病历、体检报告、检查报告的解读，也可以对医药知识进行对话。通过集合各类健康信息，App可以为用户个人提供一个个人数字健康空间，记录疾病史、用药史以及生活习惯等，可以在看病前帮助用户分析病症原因，用药时为用户提供个性判断、药物禁忌、检查后提供变化情况分析以及记录等。

现场演示的：扫码上传病历单和体检报告单，分析和解读。

发布智能批阅机

教育大模型再次升级

讯飞星火V4.0对教育大模型进行升级，并对外发布星火智能批阅机以及进一步升级讯飞AI学习机两款硬件。

智能批阅机面向老师群体，将试卷放到批阅机上，批阅机可以实现自动扫描、在原卷子上进行打印批改，并且扫描后的数据自动上传，生成学生个性的学情分析以及班级共性分析，还可以据此给学生布置个性作业。较人工批改，智能批阅机在阅卷场景上效率从90分钟/班提升到5分钟/班。

此外，讯飞还继续升级了教育硬件「AI学习机」。利用升级后的「AI学习机」，用户只需要拍摄试卷、选择试题，AI就会帮助用户答疑辅导，进行智能对话式讲解。

推出「个人空间」

打造懂你的AI助手

「智能体」的火爆已经成为2024年应用爆发的重要迹象。

自OpenAI先后推出GPTs以及GPT Store以来，人们可以基于大模型量身打造自己的AI智能助理。很多人都对它们的到来抱有极大期待，认为会迎来AI的「iPhone时刻」。其他厂商也随之跟进推出类似的AI智能体服务，比如微软推出了自己的Copilot GPTs服务。

然而，事情的发展不尽如人意，GPTs很快陷入了瓶颈。几天前，微软宣布砍掉了维持仅3个月的Copilot GPTs服务。细究原因，GPTs很大程度上在应用场景和商业落地方面没有跟上来，后续也就失去了进一步发展的动力。

因此，近半年来，国内头部大模型厂商都在智能体上快速发力，并在应用层面下足了功夫。

本次讯飞星火V4.0版本同样重点推出了「智能体」方面的更新。在讯飞星火Desk以及星火App中，「智能体」已经成为和Chatbot同样的一级入口。点开「智能体中心」，讯飞的智能体商店覆盖了生产力工具、学习、编程、营销等多个领域的智能体。

根据发布会披露的信息，目前，星火APP/Desk将首批上线14个智能体，面向特定场景打造专属助手。

用户既可以在这里选择自己的AI英语老师，也可以选择一个定制好的AI律师来帮自己拟一份合同，还可以随意挑选擅长Python、C++等语言的AI程序员来帮自己实现编程。

比如，捏一个严格的「雅思老师」。点击智能体创建后，用一句话概括我们需要的「雅思老师」——需要帮我制定三个月的学习计划，覆盖听说读写，并且针对每个部分教学。

点击生成后，后台会根据需求自动拓展这个智能体的其他方面，同时你可以随时进行调试。

调试完成后，就可以向「AI雅思老师」学习了。

不过，与GPT Store相比，科大讯飞将「智能体」功能看成是实现用户个性化的一部分。用户可以根据自身需要去选择和定义自己需要的智能助手。

而在实现「个性化」上，讯飞星火V4.0还对外发布发布“个人空间”，为用户提供专属私域知识库，通过上传个人文档，让大模型进行更精确的知识问答和内容生成；并且通过人设标签、日程管理、信息订阅、创建发音人，为用户提供更加个性化和趣味化的服务。

用户可以在个人空间持续上传自己的资料文件，AI会根据所上传的资料进行问答，并且提供内容溯源，在提高个性化的基础上减少模型幻觉。

通过让用户更高程度的定义「Chatbot」，从个人知识增强、到选择人设标签、创建发音人，再到开放智能体定义，科大讯飞将大模型「Chatbot」的数据、工作流以及表现形式各方面都实现了定义自主化。

个性化大模型到了一个新阶段，星火大模型V4.0将「每个人的个性化智能助手」这件事从「个性化」和「智能」两方面都向前迈进一步。

在2024大模型落地元年，要想一直保持领先地位，抢先并全方位布局至为关键。

数天前，科大讯飞《多语种智能语音关键技术及产业化》项目获国家科学技术进步奖一等奖。这也许就是对科大讯飞多年来AI技术成就的肯定之一。要知道，这是深度学习革命以来，过去十年人工智能领域首个国家科学技术进步奖一等奖。

可以说，从 1月底的V3.5到今天的V4.0，讯飞星火大模型不仅在底层能力方面走得更稳，更在应用落地上开足了马力。

一方面在不断提升底层核心语言能力，持续赶超全球顶级大模型，并打磨升级自身优势模型能力比如语音能力；另一方面在应用和商业化方面投入更多精力，从现实场景需求出发进行全面布局，通过打造垂类大模型、私人定制智能体以及端侧智能硬件等多种方式，加速大模型在B端和C端的落地，让更多企业、普通用户切身体验到大模型带来的价值。