文心一言VS天工大模型，究竟谁才是国内“首个”ChatGPT？

最近，昆仑万维和百度“杠”起来了，原因还是因为最近大火的大语言模型。

4月17日，昆仑万维正式推出“天工”大模型，并于当日开启测试邀请。彼时，昆仑万维对外的宣传用语是“中国第一个真正实现智能涌现的国产语言大模型。”

有意思的是，百度在发布文心一言的时候，对外输出的宣传用语是“国内首家做出大语言模型产品的科技互联网大厂”。

从表面上看，两家的宣传语中心不一样，话术也有所不同，看似风平浪静，但实则内核都是在争一个“首家”。

为什么要争“首家”，除了能力的对比，市场的争夺外，还有振奋股价，提高市值的作用，百度消息公布当天，港股股价大涨15%，昆仑万维也一样，官宣第二天股价涨幅达到7.68%。

不过，究竟谁是国内首家呢?

从项目披露时间来看，百度是在去年9月份左右开始去内部推进文心一言项目，到今年2月初正式放出项目的消息，并于3月中旬正式对外官宣了文心一言。

昆仑万维官方并没有公布具体的项目开始时间，但是从2020年开始，昆仑万维就已经开始布局AIGC领域。

从技术层面来看，文心一言背后，百度在人工智能领域有四层架构、全栈布局，包括底层的芯片、深度学习框架、大模型以及最上层的搜索等应用。另外，深耕人工智能领域多年的百度，拥有产业级知识增强文心大模型ERNIE，具备跨模态、跨语言的深度语义理解与生成能力。

昆仑万维同样具备大模型四要素:数据、算力、算法以及大参数语言模型。据昆仑万维介绍，天工是双千亿参数训练的结果——千亿预训练基座模型、千亿RLHF模型。

不过，既然两家的底座能力看起来不相上下，那么我们就将这两家放在一起，试试“内功”。

01.

中文语意理解能力

昆仑万维对外展示的技术路径现实，天工团队引入模特卡洛搜索树算法后，在语意理解、转换话题能力上有所提升。

在此背景下，我们首先和天工玩起了成语接龙游戏。不过，天工的完成度并不好，甚至没能理解什么是成语接龙。

文心一言在成语接龙上的表现是优于天工大模型的。

紧接着，我们向文心一言和天工大模型抛出了一个问题——“写一本类似《人世间》一样题材宏大，展现中国历史变迁的小说提纲，字数1000字左右。”对于这个问题，文心一言和天工都将问题的重心放在了“题材宏大”、“历史变迁”这两个关键词上。

于是，两家生成的内容都不符合我们最开始的预期。

上图“天工大模型”，下图文心一言

这个问题，或许是由于我们给出了一定的误导性，所以导致两家生成的答案都不尽人意。但是，天工稍微比文心一言好一些，原因在于，文心一言将“历史变迁”直接解读成了朝代变迁。

尽管天工的回答也是文不对题，但是有人物设定，朝代设定，内容的可操作性和延展性明显是优于文心一言。

将问题拉回《人世间》类似的小说提纲，我们改变了提问角度，连续发文:《人世间》讲了一个什么样的故事、那你能写出类似题材的小说提纲么?大概1000字左右。

在提取重点、联想写作、以及话题的连续性上，天工的表现还是不错的。

但是文心一言就“开了小差”。

文心一言的回答出现了明显的错误。不过，我们再一次将问题抛给文心一言，重新生成答案。这一次，文心一言又重回正轨，给出了相应的答案。

此外，我们还用三个连续性问题，向天工发问。此前，我们在《大评测!ChatGPT 、文心一言和Bard谁更强?》中，将同样的问题给到过文心一言、Bard、以及ChatGPT。

可以说，天工的前两个问题回答和文心一言此前的回答不相上下，但在最后一个藏头诗的理解上，还是存在一定的偏差。

尽管，文心一言的藏头诗回答的也并不好，但好在，文心一言理解了“藏头”的意思。而天工，似乎还并未消化掉“藏头”的意思。

02.

逻辑思辨能力

为了测试“逻辑推理”能力，我们将这样一题抛给了天工和文心一言，即“如果猫会爬树，那么狗也会。”

上图“天工大模型”，下图文心一言

很明显，天工和文心一言也陷入了题目的误区，或者说，并没有完全理解题目意思。不过，这里需要强调的是，在鸡兔同笼问题上，文心一言和天工在发布的视频中都有不错的表现。

在文心一言发布会上，李彦宏询问文心一言“鸡兔同笼”的问题，在题目数据错误的前提下，文心一言通过推理证明了题目存在问题。

这里需要注意的是，在这个逻辑推理上，ChatGPT的回答，是天工、文心一言、bard这四家大模型中唯一正确的，并指出了猫和狗的不同，证明猫会爬树，而狗不会。

除了考验逻辑能力之外，我们还将一个哲学思辨问题，同时向天工和文心一言发文。

上图“天工大模型”，下图文心一言

在哲学问题的理解上，天工和文心一言区别不大，但文心一言略显“人文”一些，在解读之后，更是直接告诉我们该怎么做，更像是和人在对话一样，天工的回答则更是一本正经。

可以这样来说，和天工对话像是和老师对话，老师需要回答这个问题是什么;和文心一言对话则更像是和心理医生对话，医生需要在解释的基础上给出意见。

03.

编程能力

为了测试这两大模型写代码的能力，我们询问了一个非常简单的问题——x 2=5，y-3=7，输出x y等于几，用java做一个简单编程，并得出结果。

上图“天工大模型”，下图文心一言

但是很显然，这两大模型给出的结果都是有问题的。

不过，在其他评测稿件中，文心一言和天工在编程能力的表现上并不差。我们认为，目前来看，这些大模型的能力还并不稳定，还需要在不断的训练中提高准确性。

04.

结语

总结来看，文心一言也好，天工也罢，他们的能力相对来说，差距不大。但更多的问题在于，目前，大模型每一次生成的问题答案都存在一定的误差。

相比于“首家”之争，我们认为，企业们更重要的是在于提升大模型的能力和准确度，并且寻找到更多合适的场景去实现商业化。

大模型赛道愈发热烈，谁都想做风口上的猪，但是能在风口上起飞的猪，往往都是做好了充足的准备。

此外，我们还应该多给国内科技企业更多的信心，和国外ChatGPT4相比，国内大模型还是有一定差距，但是我相信，这个差距在不远的将来，在竞争中，都会逐渐拉小。国内大模型，未来可期。