文章來源：新智元

【導讀】時隔4個月，百川智能的基座大模型又雙叒升級了！新一代Baichuan 4出世直接登頂國內第一。不僅如此，首款最懂搜索、會提問的AI助手「百小應」正式殺入移動APP戰場。

近半個月，國外科技大廠們連番轟炸，GPT-4o、Project Astra、Copilot+ PC的誕生讓人目不暇接。

而國內大模型這邊也是毫不示弱，不斷地推陳出新、迭代升級。

就在今天，歷時4個月打磨，百川智能發布了新一代基座大模型Baichuan 4。

不僅如此，他們還帶着自家首款AI助手「百小應」殺入移動APP戰場。

試玩地址：ying.ai

與吊人胃口的OpenAI不同，iOS和安卓版應用程序今天一併推出，並且免費使用。

毋庸置疑，「百小應」已經用上了升級后Baichuan 4基座大模型的能力，與其他的AI助手一樣，讀文件、獲取最新信息、整理資料、輔助創作等各種問題，「百小應」通通可以解決。

但與眾不同的是，「百小應」將Baichuan 4的能力與其天然的搜索技術優勢進行了深度融合。

它不僅具備多輪搜索的能力，甚至還可以定向搜索，可以被看作是最懂搜索的AI助手。

說這麼多，不如來一波深度體驗。

懂搜索、會提問的AI「夥伴」

在試用過程中，小編深深地體會到，「百小應」絕不僅是連接信息的工具，而是真正成為了一個提供知識和服務的AI助手，甚至有了一點夥伴的味道。

百小應的名稱源自「一呼百應」

多輪搜索

在以往的搜索產品中，我們通常只會得到一個搜索結果。推一步才能走一步，非常被動。

但百小應不同，在得到搜索結果后，它還會結合用戶的問題開啟「自我反思」。

比如，它會自主判斷當前提供的資料是否足夠詳實，從而來自主決策，是否需要進行更多輪次的搜索。

當我們問「含能材料的行業前景」，它就自己去進行了2輪搜索，然後給出了高度概括的介紹。

再問一個問題：中美兩國在大模型行業的差距，究竟有多大？

百小應同樣自動完成了2輪搜索，在技術積累、算力支持、產業應用、創新生態等方面，給出了客觀中肯的分析。

可以看出，如果遇到市場調研、產業分析這類複雜場景，多輪搜索就能發揮最大的效力，更有效地獲取更專業、更有深度的信息。

而在搜索結果的呈現上也可以看出，百小應相比其他搜索產品的獨特之處。

它不是簡單的總結網頁信息，而是會將搜索結果嵌入回答中，成為回答的支撐或者創作的一部分，這樣我們就有了參考資料來源，不必擔心結果是無本之木、無源之水了。

除此之外，百小應在結果的結構化上，也做得非常優秀。

作為市場研究，上面這份輸出的格式很標準，可以為行業分析、調研工作提供強大的助力。

定向搜索

很多時候，我們需要精準定位問題領域，直接訪問權威站點。

百小應的「定向搜索」，此時就显示出了強大的功能。

我們可以直接問它：人機交互領域有哪些經典著作和最新研究成果？

通過2輪搜索，它精準地找到了知乎上的參考資料，詳細給出了領域內的經典著作和最新論文。

從它給出的論文鏈接中，我們直接就可以查閱arXiv上對應的論文。

相比之下，其他智能助手僅僅是針對搜索結果做了大致的總結。

下面，我們試着讓百小應在arXiv上找出關於RAG的最新研究成果。

果然，它會選擇直接訪問arXiv，讓我們更高效地鏈接到想要的結果，不必在多餘的繁雜信息中浪費時間。

會提問

一次流利的搜索體驗，是由產品和用戶共同完成的。

一方面，模型需要掌握專業的搜索技能，懂得什麼是搜索；而另一方面，用戶也必須會表達，才能真正通過AI來尋找到自己想要的信息。

雖然以上是最理想的情況，然而現實中，表達清楚自身需求，對很多用戶是個困難的事兒，或者說懶得費那個腦子。

這種情況下，就需要讓模型來引導用戶「表達」了。

遇到引擎蓋打不開的情況，可以直接問百小應。

不過這個問題的答案，取決於車輛的品牌、型號、出廠年份。一般人去提問，應該是不太可能一開始就提問得這麼周全的。

不用擔心，百小應會通過提問來指導你。

在它的引導下，我們給出了車型的關鍵信息：比亞迪元。

這下百小應給出的信息，就更精準了，在提問了我們所在地區這個信息之後，它甚至給出了北京4S店的聯繫方式和地址。

想要策劃一場浪漫的草坪婚禮，不如讓「百小應」當你的婚禮的私人訂製策劃師。

這時，「百小應」並沒有根據籠統的問題，一通亂答，而是繼續引導我們給出明確的細節。

「為了更好地幫您規劃，我需要了解包括預算，參加人數等一些額外的信息」。

在提供了預算20萬左右，50人參加的信息之後，「百小應」立即給出了非常細緻的定製方案。

從場地選擇推薦、婚禮布置裝飾、婚宴餐飲，再到音樂草坪遊戲，攝影錄像，都為你一併規劃好了。

更驚喜的是，它最後還貼心地為我們做了所有的預算分配。

再來看一個演示，當你想要寫一個「天津之眼」的種草文案，「百小應」同樣先去提問，了解真正需求。

- 您希望這篇文案吸引讀者哪類讀者？（諸如旅遊愛好者、情侶推薦，還是家庭旅遊）

- 您希望通過這篇文案傳達哪些主要內容和情感？（比如，浪漫氛圍、歷史文化、刺激體驗等）

然後，你就可以從這些給定的選擇中進行挑選，或提出自己的想法皆可。

接下來，「百小應」便會根據要求生成文案，簡短的文字着重體現了「天津之眼」獨特魅力所在。

綜上演示，「百小應」之所以能夠輸出精確的結果，主要歸功於「會提問」，通過提問引導、激發用戶清晰表達自身具體需求，為每個人構建出個性化的解決方案。

多模態

在Baichuan 4多模態能力的支持下，「百小應」還可以對圖片內容進行解讀。

又或者，將圖片作為補充材料，獲取更精準的回答。

最近比較火的AI開瓜，看看「百小應」能不能挑出，哪顆是最甜的瓜。

根據「百小應」的判斷，一般西瓜表面條紋越清晰、顏色越深綠，可能代表着西瓜更成熟。

從圖中看，推測得出，6和7看着條紋非常清晰。

不過，它還是提醒我們，僅從外觀上判斷西瓜甜度並不準確。

小編這就去開瓜了。

再來一張經典的重慶地標夜景圖，不知「百小應」能否認得出？

顯然，這個問題根本難不倒它。

你甚至，可以讓它就這張圖片，生成一份朋友圈文案。

「百小應」真的很會，生成的文案內容非常吸睛，同時還體現出了小眾但不矯情的風格。

文檔速讀

除了以上提到的能力之外，「百小應」還支持上傳PDF、Word文檔，網頁鏈接皆可行。

這就非常適合，需要大量閱讀長篇幅文獻、報告等內容的科研者，或是解析複雜數據表格的金融分析師等。

「百小應」可以做到，僅用1分鐘的時間，讀完上市公司財報。

比如，上傳一份長達31頁的特斯拉2024年第一季度財報文件。

然後要求「百小應」去解讀財報，總結出值得關注的信息，並給出相對應的原文。

沒想到，眨眼的功夫，「百小應」總結出了十個要點，並配上原報告highlights的內容。

再給它po一個鏈接，總結GPT-4o發布會的一些關鍵要點。

「百小應」的輸出結果，基本上覆蓋了全部的要點。

此外，「百小應」還可以支持通過語音的方式進行交互，簡直是「手癌」患者的福音。

大模型時代新物種，AI不再是「工具」

經過一番實測之後，「百小應」已經在長文本閱讀、多模態理解、提問搜索等多方面任務上，表現出強大的能力。

百川智能認為，讓AI從工具變為夥伴，基於大模型打造的AI助手更像是在「造人」。

就像人類能夠利用工具，聽說讀寫看，甚至會思考一樣，AI助手隨着基座模型迭代，也將具備相應的能力。

雖然當下的AI助手還不具有情感、記憶、決策等高階能力，距離「夥伴」還有很長的路要走，但是AI助手已經具備了部分夥伴所需要的能力，比如會思考，會用工具。

而搜索正是當下AI助手最重要的工具。

只有將大模型與搜索相結合，才能發揮出巨大的優勢。甚至，人們普遍認為大模型的第一波應用，就是在搜索。

為什麼這麼說？

大模型飽受詬病的「幻覺」問題，是無法避免的，而植入搜索可以提升LLM回答準確性，早已成為行業共識。

其實，國內外大部分企業，早已給自家AI助手類應用增加了搜索功能。

但同樣的搜索，卻有着不一樣的思路。

一種普遍的做法是收到用戶的指令后，搜索相關信息，然後總結搜索結果進行輸出。

而百川智能認為，大模型+搜索應該是在回答中嵌入搜索結果，用搜索賦能大模型，提高模型回答的鮮活性，讓大模型言之有物，而不是用大模型賦能搜索。

由此，我們所看到的「百小應」，才是APP中懂搜索、會提問的那個應用。

百小應之所以能將大模型與搜索的能力很好地融為一體，是因為搜索一直是百川智能探索LLM的重點方向之一。

這家公司創始人和研發團隊有着多年的前沿搜索經驗，在去年發布首款閉源模型Baichuan 53B時就採用了「搜索增強技術」，大大提升了基座模型的輸出結果的性能。

首款AI助手「百小應」能夠表現不凡，當然也離不開此次基座模型Baichuan 4能力的大升級。

Baichuan 4登頂國內第一

Baichuan 4相較於上一代Baichuan 3，在通用能力上有着顯著提升。

在剛剛發布的SuperCLUE權威中文評測中，Baichuan 4以80.64分成績，登頂國內第一。

SuperCLUE總榜

具體來看，在理科任務中，Baichuan 4表現不俗，以 76.90 分的成績排名國內第一。

然而，與GPT-4-Turbo-0125相比，相差4.23分，仍有一定的提升空間。

其中，邏輯推理（74.4分）、工具使用（80.8分）這兩項均刷新國內最好成績。

在文科任務中，Baichuan 4取得了83.12高分，文科能力全球第一，比GPT-4-Turbo-0125高出5.33分。

其中，知識百科（89.8分）、長文本（80.8分）、生成創作（83.4分）、傳統安全（90.2分）均刷新國內最好成績。

在與國內大模型平均得分相較下，Baichuan 4在所有能力上均高於平均線，展現了均衡的綜合能力。

尤其是，在邏輯推理（+18.64）、代碼（+18.89）、長文本（+20.77）能力上遠高出平均線15分以上。

而與國外主流大模型對比，Baichuan 4在文科類任務取得領先優勢。

特別是在知識百科、長文本理解、工具使用、語義理解和創意生成等方面，表現突出。

這使得Baichuan 4非常適合應用於知識運用、智能體、內容創作和長程對話等多種場景。

然而，它在代碼能力方面仍有提升的潛力。

多模態能力僅次於GPT-4V

此外，在各大基準測試中，Baichuan 4還具備了行業領先的多模態能力，表現更加亮眼。

具體在MMMU、MMBench-EN、CMMMU、MMBench-CN、MathVista等評測基準上，新模型實力僅次於GPT-4V，完全碾壓Gemini Pro、Claude 3 Sonnet等模型。

技術創新

為什麼Baichuan 4，能夠在4個月這麼短的時間取得突破？

一切都源於，其在訓練過程中引入了很多業界領先的技術優化手段。

在預訓練階段，為了有效提升LLM對數據的利用，新模型採用了基於Model-based+Human-based的協同數據篩選優化，並對長文本建模位置編碼科學的Scaling Law。

在對齊階段，還重點優化了模型推理、規劃、指令跟隨的能力，通過「損失」驅動數據選取與訓練，階段爬坡，多模型參數融合等方式，有效提升LLM關鍵指標和穩定性。

同時，團隊還採用了RLHF和RLAIF融合后的「RLxF」，強化學習對齊技術，大幅提升模型的指令跟隨等能力。

此外，Baichuan 4另一項的技術創新便是為LLM推理提速，提出了全新的投機採樣方案clover。

通過將序列知識與并行解碼結合，使得投機採樣的命中率提升至60% ，同時成本降低30%以上。

1000萬token免費薅，零代碼Agent即將上線

發布會現場，百川智能推出了全新的MaaS+AaaS服務。

對於企業來說，需要的並不是大模型，而是生產力、生產效率的提升。

百川智能認為，擁有MaaS+ AaaS（Agent as a service）雙重能力，企業才能構建出智能化的最佳方案。

MaaS版塊由基座模型組成，分為旗艦版和專業版。

旗艦版將全量開放Baichuan 4的各項能力，Baichuan 4不僅擁有國內第一的中文能力，並且具備行業領先的金融知識和問答能力，在SuperCLUE的金融知識百科能力上，Baichuan 3曾取得了A+的最高評級。

專業版，則包含Baichuan3-Turbo和Baichuan3-Turbo-128K兩款模型，在價格方面相比旗艦版Baichuan 4更實惠。

而且，這些模型均針對企業用的高頻場景進行了針對性優化，綜合測試相比GPT3.5整體效果提升8.9%。

百川智能表示，即日起，MaaS的新用戶可以獲得1000萬免費token！

在Baichuan 4基礎上，百川智能針對Agent構建，推出了Assistan API接口。

它不僅支持Code interpreter、RAG內建工具，還支持自定義工具調用，方便企業接入各種豐富複雜的API。

評測結果显示，Assistant API的工具調用能力，已經接近了Open AI assistant API的水平。現在，Assistant API已經正式開啟內測邀請，試用免費！

接下來，百川智能還將推出零代碼Agent創建平台產品。

任何業務人員，都可以通過自然語言創建Agent，更好地賦能企業智能化發展。

在生態方面，百川智能的「朋友圈」可以說範圍之廣。

目前已經服務了了數千家客戶，包括完美世界遊戲、愛奇藝、 創夢、什麼值得買等各行業的領軍企業。

同時，還與與信雅達、用友、軟通動力、新致軟件、達觀數據等多家行業生態夥伴，以及華為、曙光等硬件廠商和中國移動、電信、聯通等運營商達成合作，攜手構建百川大模型生態。

順便提一句，百川智能在成立1年多的時間里，以超乎想象的研發速度，共發布了12款大模型。

Baichuan 4之後，不知還有什麼樣的驚喜等着我們。

參考資料：

https://ying.baichuan-ai.com/chat