文章转载来源：Model进化论

　　原文来源：脑极体

图片来源：由无界 AI生成

　　这两天AI圈最热闹的消息，应该就OpenAI高层内讧，标志性人物、原CEO Sam Altman被董事会解雇，数位科学家和高层离职。

　　关于“政变”的原因，坊间有很多传言，比如商业化和非营利原则的矛盾。总之，事件相关者在舆论场拉扯，吃瓜群众则瞪大了眼睛看戏。这场风波会给全球AI研发，尤其是大模型带来什么影响，还是未知数。

　　有人做了一个梗图，大模型厂商乱成一锅粥，只有卖卡的英伟达稳坐钓鱼台。

　　任它天边云卷云舒，可以肯定的是，中国的AI大模型在取得广泛成就的基础上，会继续向前发展，释放产业价值，并且不会一味照搬海外，尤其是OpenAI的模式。

　　带着这份淡定，我们将目光聚焦在国产大模型，会发现“百模大战”热潮中，还缺乏对各类大模型全面、分层、真实的能力评估。

　　通用大模型、行业大模型，都在比拼参数规模，但训练数据质量不确定，仅凭参数，行业客户和用户也难以选对适合的大模型。

　　那么看榜单呢？基准测试benchmark和标准化数据集，可以针对性调优，榜单无法反映实际应用效果差距。

　　而且大模型在不同任务场景下，表现的区分度很大。一位开发者说，“现在就是告诉你都有哪些大模型，实际效果还是得靠自己测测看”。

　　据中国信通院的数据显示，目前的大模型测试方法和数据集已有200多个。想要一个个测过来，会给用户带来非常繁重的工作量。

　　“百模大战”乱花渐欲迷人眼，那么，除了“跑分”打榜和参数“碾压”，还有什么办法来真实且有效地评判一个大模型的水平呢？

　　有必要来聊聊，“百模大战”，不同赛道都在战什么？

　　大模型，不看高分看高能