清华大模型报告发布：文心一言最懂“人话”
最近，由清华大学基础模型研究中心联合中关村实验室研制的 SuperBench 大模型综合能力评测框架，正式对外发布 2024 年 3 月版《SuperBench 大模型综合能力评测报告》。评测共包含了 14 个海内外具有代表性的模型，结果显示：文心一言 4.0 表现亮眼，与国际一流模型水平接近，且差距已经逐渐缩小，名副其实为国内头部模型。
例如在人类对齐能力评测中，文心一言 4.0 表现优异，位居国内第一，其中在中文推理、中文语言等评测上，文心一言遥遥领先，和其他模型拉开明显差距，中文理解上，文心一言 4.0 领先优势明显，领先第二名 GLM-4 0.41 分，GPT-4 系列模型表现较差，排在中下游，并且和第一名文心一言 4.0 分差超过 1 分。
在语义理解中的数学能力上，文心一言 4.0 与 Claude-3 并列全球第一； GPT-4 系列模型位列第四五，其他模型得分在 55 分附近较为集中，明显落后第一梯队；而在语义理解中的阅读理解能力上，文心一言 4.0 超过 GPT-4 Turbo、Claude-3 以及 GLM-4 拿下榜首。
而在企业选择大模型最看重的安全性评测上，国内模型文心一言 4.0 表现亮眼，力压国际一流模型 GPT-4 系列模型和 Claude-3 拿下最高分（89.1 分），Claude-3 仅列第四。
值得注意的是，文心一言不仅在技术能力上过硬，在应用落地上也是一路领先。自去年 3 月 16 日文心一言首发至今，用户数已突破 2 亿，每天 API 调用量也突破了 2 亿。
2023 年「百模大战」，国产大模型厮杀猛烈，谁是真正的领头羊？尽管国内外存在多个模型能力评测榜单，但它们的质量参差不齐，排名差异显著。我们在看榜单参考的时候一定要多看权威机构、权威高校的评测，为选择大模型提供科学研判。