10 月 31 日，阿里云正式发布千亿级参数大模型通义千问 2.0。在 10 个权威测评中，通义千问 2.0 的综合性能超过了 GPT-3.5，正在加速追赶 GPT-4。当天，通义千问 APP 在各大手机应用市场正式上线，所有人都可以通过 APP 直接体验最新模型能力。
过去 6 个月，通义千问 2.0 在性能上取得了巨大飞跃，相比 4 月发布的 1.0 版本，通义千问 2.0 在复杂指令理解、文学创作、通用数学、知识记忆、幻觉抵御等能力上均有显著提升。目前，通义千问的综合性能已经超过 GPT-3.5，加速追赶 GPT-4。
在 MMLU、C-Eval、GSM8K、HumanEval、MATH 等 10 个主流 Benchmark 测评集上，通义千问 2.0 的得分整体超越了 Meta 的 Llama-2-70B，相比 OpenAI 的 Chat-3.5 是九胜一负，相比 GPT-4 则是四胜六负，与 GPT-4 的差距进一步缩小。
中英文理解能力是大语言模型的基本功。英语任务方面，通义千问 2.0 在 MMLU 基准的得分是 82.5，仅次于 GPT-4，通过大幅增加参数量，通义千问 2.0 能更好地理解和处理复杂的语言结构和概念；中文任务方面，通义千问 2.0 以明显优势在 C-Eval 基准获得最高得分，这是由于模型在训练中学习了更多中文语料，进一步强化了中文理解和表达能力。
在数学推理、代码理解等领域，通义千问 2.0 进步明显。在推理基准测试 GSM8K 中，通义千问排名第二，展示了强大的计算和逻辑推理能力；在 HumanEval 测试中，通义千问得分紧跟 GPT-4 和 GPT-3.5，该测试主要衡量大模型理解和执行代码片段的能力，这一能力是大模型应用于编程辅助、自动代码修复等场景的基础。
通义千问 2.0 更成熟了，也更好用了。通义千问 2.0 在指令遵循、工具使用、精细化创作等方面作了技术优化，能够更好地被下游应用场景集成。通义大模型官网上线了多模态和插件功能，支持图片输入、文档解析等细分任务。
与此同时，基于通义大模型训练的 8 大行业模型组团上线，他们分别是通义灵码 – 智能编码助手、通义智文 – AI 阅读助手、通义听悟 – 工作学习 AI 助手、通义星尘 – 个性化角色创作平台、通义点金 – 智能投研助手、通义晓蜜 – 智能客服、通义仁心 – 个人专属健康助手、通义法睿 – AI 法律顾问。8 大行业模型面向当下最受欢迎的多个垂直场景，使用领域数据进行专门训练。用户可以在官网直接体验模型功能，开发者可以通过网页嵌入、API/SDK 调用等方式，将模型能力集成到自己的大模型应用和服务中。
截至 10 月，阿里云已与 60 多个行业头部伙伴进行深度合作，推动通义千问在办公、文旅、电力、政务、医保、交通、制造、金融、软件开发等领域的落地。
相关文章
