*本文参考报告：《2024年中国大语言模型综合能力评析（四）：大模型综合能力评析及趋势研究》，首发于头豹科创网。

近日，字节跳动于其云服务平台火山引擎举办的原动力大会上，正式推出了豆包大模型。该模型的定价策略尤其引人注目，其主力型号的市场定价设为0.0008元/千Tokens，相较于行业标准降低了99.3%，此举也被外界解读为字节跳动在大模型市场竞争中采取的积极价格策略。

进入2024年以来，国内人工智能大模型领域的竞争愈演愈烈，3月，月之暗面宣布其Kimi智能助手能够处理200万字的连续对话无损上下文；紧随其后，百度文心一言开放了200万至500万字的长文本功能……5月21日，阿里云再抛出重磅炸弹，通义千问GPT-4级主力模型Qwen-Long，API输入价格直降97%，进一步加剧了市场的竞争态势。

随着大模型的热度不断攀升，行业关注点已转向这些模型的实际应用与商业化落地上，各企业正通过技术创新和应用探索来巩固和扩大自身的市场地位。

大语言模型落地应用有哪些？行业整体竞争格局如何？在具体细分行业中的表现怎样？本文，头豹研究院将对大语言模型综合能力进行评析，并对评测结果进行详细介绍。

01

大语言模型综合能力评析

综合能力

大模型综合能力是指AI大模型在多个综合方面所展现出的能力，主要包括AI智能体、专业文本以及超长文本三个方面。这些能力共同决定了AI大模型在实际应用中的综合效果和价值。

AI智能体

基于大语言模型的智能体由三个核心组件构成：大脑模块、感知模块和动作模块。感知模块接收信息，大脑模块进行思考决策，最终由动作模块与环境互动，实现智能化行为。

大模型之所以适合作为AI智能体大脑的主要组成部分，是因为它们具备了自治自主性、反应性、主动性和社交能力等关键特性。这些功能共同构成了智能体的核心。

AI智能体已广泛渗透到包括零售与电子商务、教育、房地产、旅游住宿及客户服务在内的多个行业领域中，其核心功能在于通过持续学习和智能优化机制不断提升自身效能和服务质量。

此外，我们还在报告中完整剖析了AI智能体落地应用分析包括客户支持、金融、医疗健康等，可前往文末获取完整版报告。

02

大语言模型综合能力评测结果

根据综合能力维度下的3个子维度（超长文本、专业文本、AI智能体）对市场主流大模型进行评估测试。

在综合能力表现方面，各大模型呈现出明显的梯队分布，第一梯队得益于其强大的技术实力、丰富的知识体系和高效的算法设计，在多个应用场景中都能提供出色的性能。

在综合能力的3个子维度中，中国大模型在AI智能体和专业文本方面表现相对出色，然而，在超长文本子维度上，中国模型整体表现相对不及前两个维度。

欲查看完整高清版图表，请前往文末获取

在综合能力子维度AI智能体中，中国大模型普遍表现优秀，其中有4个大模型的表现均超过了国际大模型的平均表现，具体来说，它们提供的答案不仅包括相对完整的代码、策略、文档以及每行代码的解释，而且在生成一些较为复杂的AI智能体答案时，它们的回答具备更加详细的任务点，更为具体地展现了问题解决的过程。

此外，这些模型还具备明确的任务规划，能够解释为什么按照这个顺序执行任务以及能解决什么问题。

在综合能力子维度专业文本中，中国大模型普遍表现优秀，其中10个大模型的表现均超过了国际大模型的平均表现；其对复杂、专业题目的理解力和解析深度尤为突出。这类模型能够深入捕捉并精确响应题目prompt中的各项要求，展现出相对较好的语义理解和情境适应能力。

在综合能力子维度超长文本中，中国大模型普遍表现一般，其中只有文心一言的表现超过了国际大模型的平均表现。

此外，我们还在报告中完整剖析了包括文心一言、通义千问在内的15个大模型综合能力评测结果，可前往文末获取完整版报告。

“读研报 找头豹！”

本文推荐阅读

如您想阅读更多内容

↓↓长按扫描下方二维码获取↓↓