国产最强大模型易主！Baichuan 4霸榜SuperCLUE，击败GPT-4-Turbo，首款AI助手来了

时事新闻2024-05-23 03:57:26无忧百科

智东西
作者程茜
编辑心缘

智东西5月22日报道，今天，百川智能发布新一代大模型Baichuan 4，以及首款AI助手“百小应”。Baichuan 4相较Baichuan 3，通用能力提升超过10%，数学和代码能力分别提升14%和9%。

同日，SuperCLUE发布的通用大模型综合性中文测评基准上，Baichuan 4得分80.64位列第一，在中文综合能力测试中超过GPT-4-Turbo-0125。戏剧性的是，昨日，商汤科技日日新SenseNova 5.0大模型刚以总分80.03分的优异成绩刷新国内最好成绩，在中文综合成绩上超过GPT-4-Turbo-0125，今日评测表现中位列第二。

除大模型升级外，百川发布了首款AI助手百小应，基于Baichuan 4的能力，该助手具有定向搜索、多轮搜索能力，可以通过嵌入搜索结果、表格可视化搜索结果等为用户提供更加针对性的答案。王小川将百小应的能力定义为懂搜索、会提问，懂搜索就是让模型掌握专业的搜索技能，会提问就是让模型引导用户清晰表达自身的需求。

百小应现在已经在Web端（ying.ai）及移动端各大应用商店同步上线。

同时，百川智能宣布开放Baichuan 4、aichuan3-Turbo、Baichuan3-Turbo-128k、Assistant API四款API。

开发者体验中心：https://platform.baichuan-ai.com/playground

自去年4月成立以来，百川智能已经发布12款模型，王小川提到，百川智能之后会放慢模型的发布节奏，频率为按照季度发布，目前整体的思路为超级应用+超级模型双轮驱动，今年年内会有大的升级。

提及最近火爆的大模型价格战话题，王小川谈道，他现在抱着“吃瓜”心态，百川智能的思路就是超级应用+超级模型双轮驱动，因此他们认为百川智能的策略与面向B端的商业化价格降低问题无关，更多还是看模型够不够强、是否有超级应用产生。

他认为降价热潮可能是由于首先大家看好这个时代的发展前景，所以不惜免费也要入场；第二点为To B厂商最后卖的不是模型而是整套云服务，这类似于此前AI四小龙做To B的策略。百川智能不会将这样的（降价）商业模式当作重点。

针对超级应用，王小川认为，现在的应用基本都不是超级应用，超级应用主要体现在使用人数有数量级提升，同时能满足用户刚需，充分理解用户意图，具有更高的可靠性。对于使用人数的数量级提升，他提到，总体达到3000万-3亿用户量之间可以称作超级应用。

一、全方位领先国产大模型，多模态能力接近GPT-4V

在理科能力方面，Baichuan 4得分76.90分，国内模型中排名第一，略高于SenseChat V5，较GPT-4-Turbo-0125低4.23分。其中，逻辑推理（74.4）、工具使用（80.8）均刷新国内最好成绩；在代码能力上还有一定优化空间。

文科方面，Baichuan 4在文科任务上表现出色，取得83.12的高分，国内外模型中排名第一，较GPT-4-Turbo-0125高5.33分。其中，知识百科（89.8）、长文本（80.8）、生成创作（83.4）、传统安全（90.2）均刷新国内最好成绩；

与国内外主流模型相比，下图左侧图片中Baichuan 4是图中橙色线条，国内大模型的平均水平是蓝色线条，百川智能已经全方位处于领先。

与国外模型相比，Baichuan 4在知识百科、长文本、生成创作等文科类中文任务上优于国外大模型。

在多模态能力方面，Baichuan 4评测结果接近GPT-4V。在MMMU、MMBench-EN、CMMMU、MMBench-CN、MathVista等评测基准领先Gemini Pro、Claude3-Sonnet等多模态模型。

王小川介绍了Baichuan 4背后的技术创新点。

在数据方面，百川智能采用合成数据扩充训练的数据量与提升质量，模型方面，从经验科学走向数学化，他提到，此前与OpenAI技术人员交流时提到，GPT-4和GPT-3.5的主要区别在于，通过大量实验将玄学问题变为科学问题，通过实验找到背后的规律，使得其调参时随机性减少。因此在长窗口中，百川智能对各个尺寸进行尝试，从而找出更合适的参数设置。

在对齐方面，百川智能优化了推理、规划、多模态指令跟随（Instruct Following）能力，通过Loss驱动的数据选取与训练，多阶段爬坡、多模型参数融合等方式提升模型的关键指标和稳定性。这种方式与MoE模型相似，都是将一个模型分成多个模型进行训练再合成一个模型，使得整个模型能力稳定性得到提升。

强化学习使得机器在训练之外能够获得外部反馈实现内部改进。因此，在这一阶段，百川智能有两个阶段性目标。

第一个是针对于大模型安全的真实、无害、有用3H阶段，制定三阶段强化方法，使得三个目标分阶段强化训练。第二个是实现RLHF和RLAIF的融合，将人类反馈和机器反馈模型相结合，提升模型的指令遵循等能力。

在成本方面，Baichuan 4采用了新的投机采样方案Clover，通过将序列知识与并行解码结合，使得投机采样的命中率提升至60%，成本降低30%以上。

二、支持多轮、定向搜索，分析长篇论文、一分钟读完公司财报

王小川提到，不同于信息时代工具属性的产品，百川智能要让AI从工具变为伙伴，AI助手就是从工具到伙伴的过渡阶段。

百小应融合了Baichuan 4与百川智能的搜索技术，拥有多步搜索、智能定向搜索等能力，具备懂搜索、会提问两大独特优势。

演示案例中，在回答“引擎盖打不开怎么办”这一问题，国内主流模型会笼统回答一些可能的处理方法。

百小应会先询问车的型号，然后通过联网搜索给出基本的打开方案，如果没有解决会再次询问用户的所在地点推荐维修服务，并给出一些紧急情况的处理办法。

百小应通过多轮搜索，可以在复杂的问题场景下有效获取到更有价值的答案。其通过精准定位问题领域，然后访问权威站点进行补充搜索，呈现结果中也会附加相应的网页链接。

同时，其输出内容会进行结构化呈现，通过表格对信息进行梳理，便于用户在行业分析、调研时加快对数据的理解。为了确保输出信息的准确度，百小应的输出结果有来源参考，用户可以点击引用角标快速校验搜索结果。

会提问，就是引导用户明确表述自身的需求。如一些用户在提问时，问题过于笼统、抽象，百小应就会先与用户进行互动，一步步明确具体的需求。

如向其提问婚礼策划方案时，它不会直接给出答案，而是先询问宾客的数量以及用户的预算情况；在帮助用户撰写小红书种草文案时，百小应会给出不同场景、风格的文案参考选项，用户快速点选就能获得答案。

除此以外，百小应还支持上传PDF、word文档，或者直接输入网页链接（URL），阅读并分析书籍、报告、学术论文等长篇内容，仅用一分钟便能读完上市公司财报。

在Baichuan 4多模态能力的支持下，用户在提问的同时还可以同步上传图片，对图片内容进行解读，或者将图片作为补充材料，获取更精准的回答；并且支持语音交互。

三、MaaS新用户可获得1000万免费token，AaaS服务可免费试用

百川智能推出了全新的MaaS+AaaS服务，MaaS版块由基座模型组成，分为旗舰版和专业版。

旗舰版将全量开放Baichuan 4的各项能力；专业版包含Baichuan3-Turbo和Baichuan3-Turbo-128K两款模型，在价格方面相比旗舰版Baichuan 4更实惠，且均针对企业用的高频场景进行了针对性优化，综合测试相比GPT3.5整体效果提升8.9%。即日起，MaaS新用户可以获得1000万免费token。

Assitants API是百川智能在Baichuan 4基础上针对Agent构建推出的API接口，不仅支持Code interpreter、RAG内建工具，还支持自定义工具调用，方便企业接入各种丰富复杂的API。评测结果显示其工具调用能力接近Open AI Assistants API，本次发布的Assitants API现已开启公测。