开源模型首胜GPT-4!竞技场最新战报引热议,Karpathy:这是我唯二信任的榜单
小伙伴们对科技周边编程感兴趣吗?是否正在学习相关知识点?如果是,那么本文《开源模型首胜GPT-4!竞技场最新战报引热议,Karpathy:这是我唯二信任的榜单》,就很适合你,本篇文章讲解的知识点主要包括。在之后的文章中也会多多分享相关知识点,希望对大家的知识积累有所帮助!
能打得过GPT-4的开源模型出现了!
大模型竞技场最新战报:
1040亿参数开源模型Command R+攀升至第6位,与GPT-4-0314打成平手,超过了GPT-4-0613。
图片
这也是第一个在大模型竞技场上击败GPT-4的开放权重模型。
大模型竞技场,可是大神Karpathy口中唯二信任的测试基准之一。
图片
Command R+来自AI独角兽Cohere。这家大模型创业公司的联合创始人兼CEO,正是Transformer最年轻作者Aidan Gomez(简称割麦子)。
图片
这份战报一出,又掀起了一波大模型社区的热烈讨论。
大家伙儿兴奋的理由很简单:基础大模型卷了一整年,没想到在2024年格局还在不断地发展变化。
HuggingFace联合创始人Thomas Wolf就说:
最近大模型竞技场上的情况发生了巨大的变化:
Anthropic的Claude 3 opus在闭源模型中独占鳌头。
Cohere的Command R+则成为了开源模型中的最强者。
没想到,2024年在开源和闭源两条路线上,人工智能团队的发展都如此之快。
图片
另外,Cohere机器学习总监Nils Reimers还指出了值得关注的一点:
Command R+最大的特色是对内置RAG(检索增强生成)进行了全面优化,而在大模型竞技场中,RAG这样的外挂能力并未纳入测试。
图片
RAG优化模型登上开源王座
在Cohere官方定位中,Command R+是一个“RAG优化模型”。
就是说,这个1040亿参数的大模型主要针对检索增强生成技术进行了深度优化,以减少幻觉的产生,更适配于企业级工作负载。
和此前推出的Command R一样,Command R+的上下文窗口长度是128k。
此外,Command R+还具备以下特点:
- 覆盖10+种语言,包括英语、中文、法语、德语等;
- 能使用工具完成复杂业务流程的自动化
从测试结果来看,在多语种、RAG和工具使用这三个维度上,Command R+都达到了GPT-4 turbo的水平。
但在输入成本方面,Command R+的价格仅为GPT-4 turbo的1/3。
输出成本方面,Command R+则是GPT-4 turbo的1/2。
图片
正是这点引发了不少网友的关注:
图片
不过,尽管在大模型竞技场这种人类主观评测上表现抢眼,还是有网友甩出了一些不同观点。
在HumanEval上,Command R+的代码能力就连GPT-3.5都没打过,在两组测试中分别排在32位和33位。
最新版GPT-4 turbo则没有悬念地拿下了第一。
图片
另外,我们也在最近刚登上正经论文的弱智吧benchmark上简单测试了一下Command R+的中文能力。
图片
你给打个分?
需要说明的是,Command R+的开源只面向学术研究,并不能免费商用。
One More Thing
最后的最后,还是多聊一嘴割麦子小哥。
Aidan Gomez,Transformer圆桌骑士中最年轻的一位,加入研究团队时只是个本科生——
不过,是在多伦多大学读大三时就加入了Hinton实验室的那种。
2018年,割麦子被牛津大学录取,开始像他的论文搭子们那样攻读CS博士学位。
但在2019年,随着Cohere的创立,他最终选择退学加入AI创业的浪潮。
Cohere主要是为企业提供大模型解决方案,目前估值达到了22亿美元。
参考链接:
[1]https://twitter.com/lmsysorg/status/1777630133798772766[2]https://txt.cohere.com/command-r-plus-microsoft-azure/
今天关于《开源模型首胜GPT-4!竞技场最新战报引热议,Karpathy:这是我唯二信任的榜单》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于参数,GPT-4,Karpathy的内容请关注golang学习网公众号!
Firestore 批处理 - 需要超过 1 次写入的操作
- 上一篇
- Firestore 批处理 - 需要超过 1 次写入的操作
- 下一篇
- 我无法将包从另一个目录导入到 main.go
-
- 科技周边 · 人工智能 | 18小时前 |
- Transformers generate 怎样返回每步生成分数并定位异常输出
- 308浏览 收藏
-
- 科技周边 · 人工智能 | 18小时前 | 人工智能 · api设计 · 人工复核 内容审核 Categories Moderation API category_scores
- 内容审核接口返回多标签结果时怎样设计分支
- 160浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 | 人工智能 · 多模态 · token 视觉模型 detail 多图输入 Vision API
- 视觉模型输入多张图片时怎样控制顺序和细节级别
- 386浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 | 人工智能 · 提示词缓存 prompt_cache_key 稳定前缀 动态输入
- 提示词缓存怎样拆分稳定前缀和动态输入
- 419浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 | 多模态输入 Gemini API Files API MIME 类型
- Gemini API 怎样把文件输入和文本提示放在同一请求
- 164浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 | 人工智能 · padding Transformers tokenizer attention_mask input_ids truncation
- Transformers tokenizer 怎样让 padding 与 truncation 对齐批量输入
- 416浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 |
- Hugging Face Datasets DatasetDict 跨 train 与 validation 的 map 处理方案
- 267浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 | 人工智能 · 结构化输出 · JSON Schema Responses API Structured Outputs strict refusal
- 结构化输出怎样约束模型返回 JSON Schema
- 328浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 | 人工智能 · openai · 工具调用 Responses API function_call_output call_id
- Responses API 怎样处理工具调用后的继续响应
- 156浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 | 人工智能 · openai · 多轮对话 Responses API conversation state OpenAI API previous_response_id
- Responses API 怎样用上一轮响应继续多轮对话
- 121浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1074次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1075次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1238次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1181次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1022次使用
-
- 量化模型本地推理的显存估算方法
- 2026-10-17 501浏览
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览

