就在昨天騰訊的全球數字生態大會上，騰訊大模型混元終于亮相了。
為什么要說終于？
(資料圖片)
在各方消息看來，除了像小米這種說不打算做大模型的之外，絕大部分大廠們基本都已經陸續上線過大模型了。
其實，騰訊自己也在 6 月中旬就推出了自己面向 B 端行業的 MaaS （ Model-as-a-service ，模型即服務 ）解決方案。
方案中包含了很多行業大模型，只不過當時騰訊的通用大模型依舊還很神秘。
后續的各種消息、報道里，騰訊也在內部不斷打磨混元大模型。
所以這也讓差評君對混元的期待值，越來越高。
畢竟上一個用 "hun yuan " 名號的，可是打了一整套閃電五連鞭。
話不多說，下面就開始新一輪大模型測試。本次測試和混元同場競技的是，大模型界的老學長 ChatGPT。
整個測試環節將分：常規語義理解、復雜問題理解、連續對話與角色扮演能力、學習能力、代碼能力、數學能力、長文總結，以及大家喜聞樂見的弱智吧問答等 8 個維度。
這次我們一反常態，把長文總結能力的測評放在了第一位。
因為我們讓大模型總結的，就是這篇測評本身（ 除長文總結能力部分 ）。
至于能不能當成省流版，往下看你就懂了。
混元的總結非常精練，但過于精練，以至于我很難從這個總結得出有效的信息。但當我讓他展開講講的時候其實還行，但可惜無中生有了 " 長文總結 " 這個模塊。
而 ChatGPT 由于輸入字數限制，被我人為分成了兩部分輸入，不確定這有沒有沒影響它的總結能力。
在回答中，它莫名克扣了對自己的所有評測，甚至沒在總結里寫出混元的數學能力、弱智吧問答挑戰和差評君的觀點，也不好用。
向上滑動
看來，這倆大模型總結得都沒那么完美，想看看兩家到底什么水平，大家還得仔細往下看正文。首先我們做的測試是常規的語義理解問題。
問題是理解 " 原來誰都看不上，現在誰都看不上 " 。
這句話混元理解得挺好，基本解釋了我對單身這事的調侃，兩個 " 看不上 " 都解釋上了。
但 ChatGPT 說的依舊很 ChatGPT ，說最多的話，犯最蠢的錯。
他本來解釋得相當到位，特別是分析這句話是用幽默的方式來調侃單身，還帶著一絲無奈情緒，很高級。但它完全沒品出這前后兩個 " 看不上 " 里，帶有反轉的幽默感，遺憾。
向上滑動
接下來我們看混元的復雜問題理解能力。問題是魂穿到官渡之戰中袁紹身上，時間節點是罵完許攸之后。
既要回答怎么破局贏下官渡之戰，還要提供進一步統一全國的規劃。
要給大家稍微講下這題為啥是復雜提問。
因為要回答這題，首先得熟悉三國這些人物歷史背景、相關故事，特別是罵完許攸這個時間節點很微妙。
因為在這之后許攸投靠曹操，獻計火燒袁紹囤積在烏巢的糧草。最終以少勝多擊敗袁紹，隨后幾年內徹底吞下冀北逐漸統一北方。
而進一步設想里的統一全國，更是曹操本人都沒能實現。
所以大模型們要完美理解并回答這個問題，那網文作者們基本可以宣告失業了。
AI 浪潮下的網文作者現狀
經過測試，兩個大模型的回答都很一般。從一開始，二者都沒能理解自己穿越扮演袁紹角色的指令。
混元急哄哄地給袁紹出主意， ChatGPT 則是以為我要穿越，教我做事。
至于兩個給的回答，既沒有 get 到我提出這個微妙時間節點的用意，也沒有什么行之有效的戰略規劃，都是些泛泛而談的車轱轆話。相對而言，個人感覺混元的稍勝一籌。
畢竟 ChatGPT 可是希望袁紹去和曹操建立互利共贏的關系，哈哈哈。
向上滑動 ▼
既然一個復雜指令兩個考試都理解不好，那干脆簡單點，讓兩者去角色扮演一個婚禮主持人，一點點誘導進行連續對話。結果立馬就能發現混元和 ChatGPT，就像理科生和文科生的區別。
混元的回答簡單不啰嗦，但有的時候過于生硬。
你說有錯吧，談不上，你要說給高分肯定不可能。而 ChatGPT 就是不管對不對，先把字寫滿再說。
看里面的描述啥的都很好，但其實從中間就已經理解錯意思，搞混了我的意圖。
所以兩者都不完美，都有待改進。
向上滑動 ▼
然后我們還重點考驗了下大模型的文字學習能力。搬出了當年的火星文，給兩個考生上上強度。
先是丟了一篇火星文版的朱自清《 背影 》名場面給大模型學習。
然后讓他們分別用這種風格寫一篇養金毛心得。
結果就是，混元不愧是本土大模型，背靠火星文鼻祖發源地 QQ 空間就是有優勢，火星文的熟練度相當不錯。
第一眼就悟到了火星文的精髓，非常順利地學習了火星文的創作手法。
而 ChatGPT 雖然意識到火星文是一種不標準的中文形式，但他實在學不會這種方式，最后甚至直接承認自己不行了。
接下來就到了代碼能力的考核。這次出的題目是，寫一個現代極客風格的 925 活動抽獎頁面，頁面中必須有醒目的 925 標志。
說起來，因為混元發布時對代碼能力基本沒咋提，所以本來我們對混元的代碼能力沒啥期待。
但論這個題目，混元的效果相當不錯，黑白配色的極客風有了，頁面邏輯也沒啥問題。甚至還預留了給我們替換 logo 的位置滿足我們有 925 醒目標志的區域，相當成熟。
對比之下， ChatGPT 甚至把極客風理解成了 925 極客活動。。。整個抽獎界面也非常毛胚。
混元頁面效果
ChatGPT 頁面效果除了代碼問題，數學就是另一個大模型的老大難了。這次我們也挑了不少數學問題給兩個考生做，從小學 1 年級一直做到了初一。
最終混元大模型在六年級時挑戰失敗，到了初一開始胡言亂語，也讓我們徹底放棄測試了。
而 ChatGPT 明顯還有余力。
5 年級測試題 向上滑動
6 年級測試題 向上滑動 初一測試題 向上滑動 當然，最后也少不了網友們喜聞樂見的 " 弱智吧 " 精選套餐。這次我們更新了題庫，用上了今年上半年最新的弱智吧精選問題，我們發現可能 AI 最后的圖靈測試可能還真是弱智吧。
因為在大部分測試里，混元和 GPT 基本都不夠弱智而無法正確理解問題，這點上，人類遙遙領先！
向上滑動
除了以上這些常規測試外，混元發布會后的媒體采訪上，很多媒體也在詢問騰訊這么晚掏出大模型，那和市面上的競品們有什么優勢。騰訊方面則是說，混元大模型在大模型飽受詬病容易受誘導、典型的大模型幻覺（ 胡言亂語 ）等通病上，有了針對性的改善。所以我們在實際測試時，也專門留心感受了這兩塊內容。
不得不說，混元的大模型幻覺減少較為明顯，這大概也和他惜字如金有關系，畢竟說多錯多還是很有道理的。
但容易受誘導這方面的改善其實并不明顯，一些該跳的坑還是很難避免，只能說千防萬防，人心難防。
而且作為一個剛上市的大模型，一些小問題比起同期早已發布的前輩們還是有待改進。比如" 重新生成 " 答案經常性會失靈，甚至有的時候重啟重新輸入問題都沒法解決。
而當你發現混元說錯了某個回答希望他改正，他總是倔強地虛心認錯，死不悔改。
還有就是，他對一些比較簡單的提問，反而有時候會抽風，有點像抓關鍵詞一樣作答，很讓人抓狂，只能不停修改提示詞才會好點。
再吹毛求疵一點的話，這個生成問題時的頭像動效，有種二胡卵子的異樣美感，咱也不知道這是高級呢還是可愛呢？
這些小問題其實還挺頻繁，真要列起來又有點太稀碎，大家還是自己體驗后會有更深刻的理解。不過這些小毛病，后續的更新迭代倒也簡單，等用戶數多了，相信很快就能優化。
總的來說，混元和 ChatGPT 在中文環境下的 PK 中，二者其實水平差不多，放到國產大模型梯隊里，也能有個平均水平。
只是在用了這么多大模型后，我們感覺混元特別之處是給人的感覺，它更像個理工科直男，主打一個廢話少說。而 GPT 為首的其它大模型們則是典型的文科小編，主打能水就水，油多不壞菜。
而這種感覺也更貼合騰訊對混元大模型 " 實用級 " 的定義。
畢竟誰也不想在急著用的時候還要在長篇大論里找關鍵信息吧。
那對于差評君來說，混元大模型更讓人期待的，反而是和騰訊旗下應用的深度融合。現在大家手里沒個七八九十個騰訊系應用，都不敢說自己在互聯網上沖浪的。
雖然眼下，我們在發布會上只看到了騰訊會議、騰訊文檔里們的進化。
但在這些辦公軟件之外，騰訊系里游戲、社交、影音等等，才是更和大家休閑快樂相關的業務。在這些領域，大模型的未來會是什么形式、什么程度的結合，才更是大家所最期待的。
更關鍵的是，在其他大模型還在苦苦嘗試怎么和業務、和已有應用的結合上，騰訊卻已經有了成功經驗。
此前騰訊多模態 AI 大模型率先被應用在廣告投放，當時累計給廣告主帶來 15% 的 GMV 提升。
所以，被網上吐槽的最晚發布大模型的大廠，這么看起來好像也不是什么飛龍騎臉的天崩局面。
好飯不怕晚嘛。
/div>宙世代ZAKER旗下Web3.0元宇宙平臺
智慧云ZAKER旗下新媒體協同創作平臺
相關標簽騰訊數學ai標簽：
