《千模大战揭晓：揭秘讯飞星火认知大模型V2.0的卓越之路》

打开凤凰新闻，查看更多高清图片

在国内的“千模大战”中，哪个大模型最聪明的问题，近期得到了《麻省理工科技评论》的解答。他们发布了一份最新的大模型评测报告，揭示了答案。

根据报告，在涉及600道题目的一级大类测试和盲评过程中，讯飞星火认知大模型V2.0在6个大类中独占鳌头，其得分数以81.5分（以百分制计算）的优异表现，成为本次评测中的最高分，从而荣膺“最聪明”的国产大模型之称。

图：大模型评测综合得分率

图：4个大模型各项能力雷达图

《麻省理工科技评论》对中国各大模型的研发与商业化能力、外部评价以及发展前景进行了全面评估，旨在寻找“最聪明的”国产大模型。为了做到公正公平，本文选择了“讯飞星火”、“百度文心一言”、“商汤商量”和“阿里通义千问”这四个具有代表性的中文大模型平台，对其进行了系统的评测。

本次评测使用的测试集包含600道题目，覆盖了语言专项、数学专项、理科综合、文科综合、逻辑思维、编程能力、综合知识、安全性共 8 个一级大类，126 个二级分类，290个三级标签，并针对问题的丰富性和多样性做了优化。

在题目类型方面，我们考虑到了既定量又定性的评价和测试需求，因此设计了“单选”、“多选”、“填空”以及“简答”四个不同的题型，它们的题目数量分别为145道、138道、136道和181道。此外，我们的大型模型评测体系采用了盲评的方式，这样可以更客观地评估我国国产大模型的智能水平。

语言专项评测是基于大模型基础能力构建的一种评估方式，其涵盖了对话理解、多语种、讽刺、古诗词理解、文本生成、要点总结、情感分析和语义判断等六个方面的二级分类，主要以简答为主要题型。根据最新数据显示，讯飞星火的得分为85.73%，远远高于平均水平，显示出其在语言专项评测中的卓越表现。

图：语言专项评测得分率

作为一位专业的文章写作高手，我会将原文进行重新组织，使其表达更为准确且具有专业性。在这篇文章中，我们将探讨数学专项评测在“最聪明”大模型中的重要性，它作为一个关键的评估标准，为模型的优化提供了有力的支持。本次评测涵盖了代数、几何、解方程、复杂数学、统计学等9个二级分类，主要采用选择题的形式进行。

在众多测试数据中，讯飞星火的得分率为77.75%，远远高于平均水平的56%，足见其在此次评估中的卓越表现。值得注意的是，在大模型的普遍“数学能力较弱”的情况下，讯飞星火能够取得这样的成绩实属难得。进一步观察会发现，其在数学专项上的优势不仅表现在一级分类的评分结果上，更是在二级分类的评分中脱颖而出，以77.8%的得分率位居第一，远超其他平台。因此，我们可以初步判断，讯飞星火在几何与情景应用方面具有很高的潜力。

图：数学专项评测得分率

在评估大型人工智能模型的“智能水平”方面，理科综合评测扮演着至关重要的角色，它涵盖了五个主要领域：化学、生物、物理、医学以及表格问答。这五个领域不仅体现了大型模型在各个学科中的广泛知识掌握程度，也对其逻辑推理和问题解决能力进行了全面的考察。在题型方面，主要采用单选题和简答题，旨在通过不同层次的问题设置，全面评估模型的智能水平和应对各种复杂情况的能力。

评测结果中，讯飞星火 78.50% 的得分率排名第一。另外，讯飞星火在理科综合大类下 80% 的二级分类评测中得分率为第一，化学与生物较为突出。

图：理科综合评测得分率

逻辑思维也是“最聪明”大模型的重要体现，本次逻辑思维评测在逻辑推理、思维链等方面设计了较多的题目，包含类比、常识推理、空间方位、演绎推理、逻辑谬误检测、因果推理等 19 个二级分类，题型上相对平均，其中填空题最多，多选题最少。

在逻辑思维题目中，讯飞星火81.25%的得分率名列第一，明显高于 72.6% 的平均值。此外，讯飞星火在逻辑思维 63.2% 的二级分类问题上得分率第一。逻辑思维对于大模型真正理解物理世界相当重要。

图：逻辑思维评测得分率

编程能力是大模型比较高阶的能力，本次的编程能力评测包含 ASCII、ASCII码识别、Python、代码、代码修正、计算机 6 个二级分类，其中 Python 主要以简答形式评估大模型的代码生成能力和正确率，其他则以客观题的形式考察。

结果显示，讯飞星火 80% 的得分率明显高于 71%的平均值，其他平台得分率基本相当。值得一提的是，在许多人关心的生成代码的简答题单项上，讯飞星火的得分率高达 82%，远高于其他平台，表现颇为亮眼。

图：编程能力评测综合得分率

作为比较难的评测维度，综合知识对大模型的“聪明”程度要求也很高，涉及的题目较杂，包含百科问答、常识、科学知识、事实问答、工作技巧、谜语等 13 个二级分类，题型以多选为主。

在综合知识评测上，讯飞星火 80.61% 的得分率排名第一，在 84.6% 的二级分类上得分率第一，初步显示出在百科问答和历史人文上的“过人之处”。

图：综合知识评测得分率

报告指出，在本轮大模型评测中，讯飞星火以81.5 分的成绩拔得头筹，成为“最聪明”的国产大模型。

讯飞星火在编程能力、理科综合、逻辑思维、数学专项、语言专项和综合知识这 6 个一级大类中得分率排名第一，在此次评测中表现十分全面，尤其是在代码生成、数学能力、理科与逻辑等方面优势明显，是本次“最聪明的理科生”。

值得一提的是，从题型角度来看，主观简答题中讯飞星火凭借 83.98% 的得分率位居第一；而在客观题上，讯飞星火以 75.7% 的得分率排名第一，在主客观体型中均有良好表现。

此外，就在8月12日，新华社研究院中国企业发展研究中心发布的《人工智能大模型体验报告2.0》中，讯飞星火V1.5以总分1013分位列本次国产主流大模型测评榜首位，在四大评测维度中的智商指数和工具提效指数两个维度获得第一，《报告》认为讯飞星火“在工作提效方面优势明显”。

在刚刚过去的8月15日，讯飞星火认知大模型V2.0如期发布，进一步突破代码能力和多模态能力。技术获得重大突破的同时，搭载讯飞星火V2.0核心能力的应用和产品也越来越丰富：既有辅助程序员高效工作的智能编码助手iFlyCode1.0、能够进行视频创作的讯飞智作2.0、能够便捷搭建轻应用的教育数字基座应用开发助手，还有帮助教师设计教学活动、一键生成课件的星火教师助手、面向英语学习者口语练习的星火语伴2.0，讯飞AI学习机也升级AI 1对1智能编程助手和AI 1对1创意绘画伙伴。此外，科大讯飞还和华为联合发布星火一体机，让每一家企业都有机会构建专属大模型。