清華發(fā)布最新全球大模型評(píng)測(cè):智譜GLM-4、文心一言直追GPT-4，Llama 3表現(xiàn)不俗

　　日前，Meta發(fā)布最新開源模型Llama 3并號(hào)稱是性能最好開源大語(yǔ)言模型，極有可能超過當(dāng)前的閉源王者GPT-4 Turbo。那么，Llama 3能力究竟如何?

　　4月24日，由清華大學(xué)基礎(chǔ)模型研究中心聯(lián)合中關(guān)村實(shí)驗(yàn)室研制的SuperBench大模型綜合能力評(píng)測(cè)平臺(tái)，基于語(yǔ)義、對(duì)齊、代碼、安全和智能體5項(xiàng)大模型原生評(píng)測(cè)基準(zhǔn)，展開開放性、動(dòng)態(tài)性、科學(xué)性和權(quán)威性的大模型綜合能力評(píng)測(cè)，率先剖析Llama 3模型能力。

　　《SuperBench大模型綜合能力評(píng)測(cè)報(bào)告》對(duì)Llama 3-8B、Llama 3-70B等16個(gè)海內(nèi)外具有代表性的模型進(jìn)行了評(píng)測(cè)。結(jié)果顯示，Llama 3與GPT-4系列模型仍有一定差距，而國(guó)內(nèi)大模型智譜AI的GLM-4與百度文心一言4.0在多項(xiàng)評(píng)測(cè)中進(jìn)入榜單前五名，超過Llama 3。

　　在語(yǔ)義理解能力評(píng)測(cè)中，國(guó)內(nèi)大模型GLM-4、文心一言4.0分別位列第二名、第三名，僅次于Claude-3，但超過GPT-4網(wǎng)頁(yè)版與GPT-4 Turbo，穩(wěn)占第一梯隊(duì)。Llama 3-70B、Llama 3-8B則分別位列第六名、第十六名。

　　而在智能體能力評(píng)測(cè)中，Llama 3-70B躋身榜單前五名，這也是該模型五項(xiàng)評(píng)測(cè)排名最高的一次。在代碼編寫能力、人類對(duì)齊能力、安全和價(jià)值觀三項(xiàng)評(píng)測(cè)中，Llama 3-70B均排在第七名，超過大部分國(guó)內(nèi)大模型，只落敗于GLM-4和文心一言4.0，Llama 3-8B排名相對(duì)靠后，考慮到模型參數(shù)量的差異，Llama 3-70B整體表現(xiàn)較好。

　　相較之下，表現(xiàn)出色的國(guó)內(nèi)大模型GLM-4全面對(duì)標(biāo)OpenAI，在五項(xiàng)能力評(píng)測(cè)中均緊追GPT-4系列模型與Claude-3，堪稱“全能選手”。同時(shí)，在代碼、智能體兩項(xiàng)大模型關(guān)鍵能力評(píng)測(cè)中，GLM-4排名僅次于GPT-4系列模型和Claude-3，位列國(guó)內(nèi)第一。

　　在安全價(jià)值觀能力評(píng)測(cè)中，文心一言4.0拿下最高分，超越GPT-4系列模型和Claude-3。在智能體能力評(píng)測(cè)中，文心一言4.0表現(xiàn)較差。

　　總體而言，雖然國(guó)內(nèi)大模型與國(guó)際頂尖模型之間還存在差距，但正逐步縮小這一差距。相信在政策支持和技術(shù)創(chuàng)新的推動(dòng)下，國(guó)內(nèi)大模型將取得顯著成就，推動(dòng)我國(guó)人工智能產(chǎn)業(yè)高質(zhì)量發(fā)展。