阿里云發(fā)布通義千問2.0，性能超GPT-3.5

10月31日，阿里云正式發(fā)布千億級參數(shù)大模型通義千問2.0。在10個權(quán)威測評中，通義千問2.0綜合性能超過GPT-3.5，正在加速追趕GPT-4。當天，通義千問APP在各大手機應(yīng)用市場正式上線，所有人都可通過APP直接體驗最新模型能力。

過去6個月，通義千問2.0在性能上取得巨大飛躍，相比4月發(fā)布的1.0版本，通義千問2.0在復(fù)雜指令理解、文學(xué)創(chuàng)作、通用數(shù)學(xué)、知識記憶、幻覺抵御等能力上均有顯著提升。目前，通義千問的綜合性能已經(jīng)超過GPT-3.5，加速追趕GPT-4。

在MMLU、C-Eval、GSM8K、HumanEval、MATH等10個主流Benchmark測評集上，通義千問2.0的得分整體超越Meta的Llama-2-70B，相比OpenAI的Chat-3.5是九勝一負，相比GPT-4則是四勝六負，與GPT-4的差距進一步縮小。

中英文理解能力是大語言模型的基本功。英語任務(wù)方面，通義千問2.0在MMLU基準的得分是82.5，僅次于GPT-4，通過大幅增加參數(shù)量，通義千問2.0能更好地理解和處理復(fù)雜的語言結(jié)構(gòu)和概念；中文任務(wù)方面，通義千問2.0以明顯優(yōu)勢在C-Eval基準獲得最高得分，這是由于模型在訓(xùn)練中學(xué)習了更多中文語料，進一步強化了中文理解和表達能力。

在數(shù)學(xué)推理、代碼理解等領(lǐng)域，通義千問2.0進步明顯。在推理基準測試GSM8K中，通義千問排名第二，展示了強大的計算和邏輯推理能力；在HumanEval測試中，通義千問得分緊跟GPT-4和GPT-3.5，該測試主要衡量大模型理解和執(zhí)行代碼片段的能力，這一能力是大模型應(yīng)用于編程輔助、自動代碼修復(fù)等場景的基礎(chǔ)。

通義千問更成熟了，也更好用了。通義千問2.0在指令遵循、工具使用、精細化創(chuàng)作等方面作了技術(shù)優(yōu)化，能夠更好地被下游應(yīng)用場景集成。通義大模型官網(wǎng)上線了多模態(tài)和插件功能，支持圖片輸入、文檔解析等細分任務(wù)。

與此同時，基于通義大模型訓(xùn)練的8大行業(yè)模型組團上線，他們分別是通義靈碼-智能編碼助手、通義智文-AI閱讀助手、通義聽悟-工作學(xué)習AI助手、通義星塵-個性化角色創(chuàng)作平臺、通義點金-智能投研助手、通義曉蜜-智能客服、通義仁心-個人專屬健康助手、通義法睿-AI法律顧問。8大行業(yè)模型面向當下最受歡迎的多個垂直場景，使用領(lǐng)域數(shù)據(jù)進行專門訓(xùn)練。

用戶可以在官網(wǎng)直接體驗?zāi)Ｐ凸δ?，開發(fā)者可以通過網(wǎng)頁嵌入、API/SDK調(diào)用等方式，將模型能力集成到自己的大模型應(yīng)用和服務(wù)中。

截至10月，阿里云已與60多個行業(yè)頭部伙伴進行深度合作，推動通義千問在辦公、文旅、電力、政務(wù)、醫(yī)保、交通、制造、金融、軟件開發(fā)等領(lǐng)域的落地。

周靖人透露，阿里云計劃近期開源通義千問72B版本，此前，阿里云已先后開源7B和14B版本模型，模型累計下載量超過100萬。阿里云將持續(xù)支持千行百業(yè)的開發(fā)者基于通義千問開源模型進行模型和應(yīng)用創(chuàng)新。