大模型“混乱期”：谨慎如腾讯，激进如字节

字节和腾讯这对老冤家，正在大模型的赛道背道而驰。

撰文|赵卫卫

ChatGPT 爆火一年，大模型的竞争走到哪一步了?

从微信指数的数据，可以管中窥豹到各家大模型的感知度，ChatGPT 遥遥领先，依然是国内大模型们追赶的对象。

而国内互联网大厂的大模型梯队中，百度的文心一言和阿里的通义千问，依赖于发布时间较早，是产品感知度比较高的存在，尤其是文心一言3 月率先发布、 8月全面开放，已经进化到 4.0 版本。

而老对手腾讯和字节，分别在今年 8 月和 9 月亮相了自家的大模型产品，在时间线上属于跟进 ChatGPT 较晚的梯队，姿态也都相对低调。

先看字节的大模型战略，是先在 8 月上线了 AI 聊天机器人「豆包」，随后自研的大模型产品云雀在 9 月浮出水面，而「豆包」正是云雀大模型在垂直场景中的应用产品。

最新的动作是，在海外上线 AI 产品「ChitChop」，应用场景比「豆包」的海外版本「 Cici 」更丰富，如此密集的产品布局，被外界认为是字节从「 APP 工厂」朝「 AI工厂」迈进。

再看腾讯的混元大模型，正式发布于 9 月，属于国内互联网大厂中最晚入场的玩家，也是至今没有单独发布独立大模型 APP 的互联网大厂。混元大模型最直接的使用场景还是在微信小程序内，发布后最大的变化是， 10 月底开放了文生图功能。

不做独立 APP ，而是利用微信丰沛的流量做大模型小程序，优先迭代基础能力，是腾讯混元大模型的现状；而同样流量丰沛的字节，则选择布局多款 AI 大模型垂直产品，在国内外市场同时押注。

至此，字节和腾讯这对老冤家，正在大模型的赛道背道而驰。

OpenAI上线一年，其自身团队的变动成了大模型混乱期的转折点；而当国内「百模大战」告一段落，谁能在混乱期中突出重围？

1

腾讯，依然「不着急」？

关于大模型能力的测试有很多，各家大模型的产品能力也各有千秋。

腾讯方面曾宣称，在信通院测评主流大模型测试中，混元的模型开发和模型能力均获得了当前的最高分数。

相较之下，第三方个人测评更直观，在科技公司研究员Yuri自发研究的测评中，腾讯混元大模型在国产大模型的同题测试中排名靠后。

Yuri通过一套考公的行政职业能力笔试测验题，对百度文心一言、字节豆包、阿里通义千问和腾讯混元大模型进行了测试，一共 99 道题目。结果显示，混元大模型在常识判断、言语理解与表达和推理判断等方面都差强人意，总体上的正确率为 34.3%，排在 12 个国产大模型末尾。

「混元是此次测试让我大跌眼镜的模型，没有之一。」Yuri在测试后点评说，「前十道题连错是我完全没想到的，我大概半年前就一直在期待宇宙厂和鹅厂的模型，觉得他们或许会带来惊喜感，宇宙厂达到了预期，但没想到鹅厂的模型居然是酱紫。」

Yuri也在测试中说明，「本测试结果没有任何地缘和公司立场，单从一个用户体验角度评论，仅表示模型在所测试题目及同类题目的任务表现，并不能完全代表模型在其他任务上的能力和表现。」

这次测试的时间为 11 月中旬，而 GPT-4 的测试结果为正确率 73.7%，Yuri最后总结，「Open AI 在灯塔尖，我们在长城内，大家都有光明的前途呐」。

他同时提到，混元的回答生成速度跟通义千问差不多，但测试中共用了 7 轮对话完成这次测试，单次对话的上限是 30 次，多了之后就会出现「会话过长，请开始新会话」的提示。

第三方个人测试一定程度上反映出了混元大模型的问题。此前就有腾讯内部人士称，混元大模型在公司内部受到了批评。相关测试者透露，「不好用」是腾讯内部一部分人的共识。

「不着急」是今年9月份，腾讯混元大模型对自己的定调。虽然后续一直在更新迭代，但版本更迭速度相比国内同行的确稍慢。

截至 12 月 7 日，混元大模型对外使用的版本为V1.5.5，距离混元大模型正式发布已经过去了整整三个月，而百度文心一言已经在 10 月份开启了4.0 收费版本，同期阿里通义千问也进化到了 2.0 版本。

不跟同行比，或许可以说是混元大模型一大特色。其发布后一直低调前行，最初只限于邀请测试，10 月开始逐渐放开，最新的动作是在 10 月 26 日官宣开放「文生图」功能，并称升级后的腾讯混元中文能力整体超过GPT3.5，代码能力大幅提升20%。

最能展现腾讯混元大模型升级进化的案例是，不同进化阶段对同一问题的回答。

同一个问题，混元大模型在 10 月和 12 月给出的不同答案

「蓝洞商业」在 10 月中旬的测试中发现，混元大模型对未知的问题会给出幻觉性的答案。其实，幻觉问题一直是大模型的通病，简而言之就是杜撰甚至是一本正经的胡说八道。而升级之后，12 月的表现明显更智能，对未知的问题会给出带有可解释和可说明性的答案。

早在 9 月份，腾讯混元大模型发布时，其就称在解决「大模型幻觉」问题上能力突出，主要方法是不依赖外挂，在预训练阶段通过「探真」算法进行事实修正，让混元大模型的幻觉相比主流开源大模型降低了 30 %至 50 %。

腾讯旗下 AI Lab 也曾就大模型的幻觉问题做出论文研究，题目为《AI 海洋中的海妖之歌：大语言模型中的幻觉调查》。可以说，腾讯在「大模型幻觉」问题上早已有所准备。

聚焦自身大模型技术和能力的升级，而不是像百度、字节一样广泛拓展 C 端应用场景，可以看作目前腾讯混元大模型的重要战略之一。

同时存在的问题是，混元大模型仍局限在腾讯流量范围内，尚未与对手产生正面竞争。

2

字节从「 APP 工厂」到「AI 工厂」

退中有进，是字节 11 月的关键词。

就在 PICO 和朝夕光年大幅度裁员缩减团队规模后，字节成立了一个新 AI 部门Flow，技术负责人为字节跳动技术副总裁洪定坤，业务带头人为字节大模型团队的负责人朱文佳。此举被解读为字节押注大模型，减少游戏和 XR 相关的投入。

Flow 聚焦的是 AI 应用层，也就是大模型厂商最渴望得到的能落地的应用产品。字节在 AI 相关应用层最新发布的产品「ChitChop」，由新加坡公司 POLIGON 开发，在海外上线运营。

此前，字节曾在国内和国际上推出了豆包和Cici，这两款初级阶段的产品都是提供知识问答、续写、内容生成等服务。

而 ChitChop 的主打功能远比此前的 Cici 和豆包更全能，200 多款智能应用遍布AI创作、AI 绘图、休闲娱乐、学习提升、工作效率提升和生活助手六大方面，号称「旨在提供创造性灵感和提升效率」。

至此，新加坡成了字节在 AI 战略中的重心所在，POLIGON 是字节海外的重要运营公司之一，2020年在新加坡注册成立，主营业务是软件和应用程序的开发，其次是电脑游戏的开发。

更关键的是团队核心所在。2021 年，原今日头条 CEO 朱文佳调任新加坡，负责 Tiktok 的技术研发，外界猜测新加坡将成为 Tiktok 海外新总部驻地。另据《中国企业家》报道，张一鸣目前身处新加坡，他招聘了数名 OpenAI 的员工来组建团队，学习 AI，探索一些新玩法。

海外上线的 ChitChop，目前下载量等数据并不亮眼，但可以看作是字节在大模型 C 端应用层面的一次探路。但潜在问题是，海外版的ChitChop，Logo的标识也是简写的 CC，这与此前发布的 CiCi 在名称上有很大的雷同，极容易被混淆。

ChitChop背后的支持是字节的云雀大语言模型，如果说 ChitChop 是做好的商品，云雀大模型就是背后的提供商品的大商场。ChitChop 借助云雀大语言模型的能力，能够提供更加智能和个性化的服务。

而云雀大语言模型只是字节 AI 战略的一部分，其还通过火山引擎做大模型的平台服务。也就是说，B 端模型层和 C 端应用层，两手都要抓。

火山引擎智能算法负责人、火山方舟负责人吴迪曾公开表示，「火山方舟平台上面有众多优质的、精选的国内的高质量商用模型，像智谱 AI 的 ChatGLM 的商用版本，像 MiniMax 的 MiniMax-ABAB 5.5 以及字节的云雀模型等等。我们有很多客户基于方舟平台，在这些优质的商用模型上去开发自己的应用。」

而依赖于抖音和 TikTok 的影响力，多个 AI 相关产品将借势推出。

据公开报道，字节将推出一个名为「机器人开发平台」的开放平台，允许用户自主创建自己的聊天机器人。此外，抖音还计划在主APP内推出多个 AI 聊天机器人，近期已经上线的「抖音心晴」定位情绪关怀机器人。

既做商品，又做商场，万箭齐发、广泛布局的策略，自然很容易被理解为字节从「APP 工厂」变成「AI 工厂」。

问题在于，在底层大模型技术和能力完全落后于 ChatGPT 的状态下，应用场景是否真的有竞争力？曾经在移动互联网时代成功的打法，能否在 AI 大模型成功复用？都是留给字节的拷问。

大模型的基础能力，决定了应用场景的上限，尤其是 ChatGPT4.5 版本即将到来，字节的 ChitChop 尚且稚嫩，在海外市场能否正面竞争？也是一个未知数。

3

谁能抓住 OpenAI 的混乱期？

就在山姆·奥尔特曼被戏剧性赶下台，又在微软的支持下重回 OpenAI 的 CEO 之位，各方 AI 势力都在蠢蠢欲动，试图在这个混乱期，重新找回属于自己的人工智能机会点。

以谷歌为代表，12 月 7 日发布的 AI 大模型 Gemini，就号称比包括 ChatGPT 在内的目前市场上任何产品都要强大，其发布了高中低三个版本的大模型，分别是适用于高度复杂任务的 Gemini Ultra 、适用于各种任务的最佳模型 Gemini Pro 以及适用于端侧设备的 Gemini Nano 。

其中 Gemini Pro 对标的是免费版 ChatGPT，而最高版本的 Gemini Pro 将于明年年初开始给开发人员广泛使用。

而同样是大模型加应用层的策略，谷歌的 Bard 聊天机器人远远落后于 ChatGPT，而发布大模型之后，谷歌将把Gemini 大模型的能力赋加在 Bard 聊天机器人上，明年还将发布一款名为 Bard Advanced 的聊天机器人，而适用于端侧设备的 Gemini Nano 大模型则会引入安卓手机中。

在谷歌最吸引人的 6 分多钟演示视频中，Gemini 大模型的能力得以展示，它可以根据人在纸上随意画出的形象，实时给出人一样的判断和推理回答，并且能够检查物理作业问题，诊断预先写好的解决方案，并给出正确答案。

但仅仅两天后，谷歌就被「打脸」了，谷歌大模型并没有外界传说的那么惊艳。

事实上，那段演示视频并非是实时进行的，也不是通过语音对话完成的，Gemini 并不能达到视频中的效果，谷歌方面后来承认，「为了本次演示，我们缩短了延迟并精简了 Gemini 的输出。」

而根据谷歌自己发布的数据对比图，Gemini Ultra 仅以微弱优势领先于 OpenAI 的 GPT-4 模型，换句话说，谷歌最新的 AI 模型，水平仅仅比 OpenAI 一年前的基础高一点而已，并非有巨大的优势，况且目前真正代表 OpenAI 实力的，是下一代的 GPT-4.5或 GPT-5。

可以说，即便是巨头谷歌，当下 AI 发展的状态也是追赶 OpenAI，其急于通过产品展示和证明自己的 AI 发展速度，本身是一种利用 OpenAI 混乱期的营销策略。

OpenAI 的混乱期，是 AI 行业滚滚浪潮中的一个插曲，尤其是「 GPT 商店」推迟到 2024 年发布，这无疑是 OpenAI 商业化前进中的一个减速动作，对OpenAI来说是一个坎坷，但对行业竞争者来说，可能就是一个突围时机。

「百模大战」已经告一段落，谨慎如腾讯，激进如字节。这对昔日的老冤家，如今都在大模型战略上不遗余力，走上了截然不同的发展路径，背道而驰：一个极力扩充 AI 大模型的使用场景，找到下一个超级流量入口；另外一个则是不断打磨大模型的技术和能力，把使用场景局限在小程序范围内。

AI 大模型之战是互联网巨头不能丢掉的阵地，而对百度、腾讯、阿里和字节为代表的国内互联网大厂来说，各家的底层大模型产品虽然数据能力各有差异，但基础设施已经有了。

下一个竞争焦点，就是如何在底层模型能力上跑出一大批落地的 AI 应用，抓住这个混乱期成功突围。最本质的问题依旧是：国产大模型什么时候能跟 ChatGPT 一样好用？