5款大模型，馬斯克的grok1竟是一個復讀機？_風聞

就在最近，國產大模型Kimi再次引爆了輿論。

3月18日，月之暗面宣佈其對話式AI助手產品Kimi智能助手現已支持200萬字的無損上下文輸入。這個差異化的“長文本處理”的免費大模型，一下子就火出了圈。

這意味着什麼？以往需要一個新手投入10000小時才能成為某領域的專家標準，現在你只需10分鐘的時間向Kimi提供相關資料，其便可以達到一個全新領域的初級專家水平。

免費+好用，Kimi的服務器瞬間就被擠宕機了，官方緊急擴容了五次，才算是恢復正常。

（現在我還在內測排隊中）

自2024年開始，各家的大模型開啓了又一輪的發佈與迭代，AI大模型以十分迅猛的速度，瘋狂地刷新着人們的認知，從sora再到kimi，改變可謂是翻天覆地。

在感嘆AI發展日新月異之餘，我們也在積極地尋找利用AI的機會。實際上，大部分人對於大模型各種標準測試排名並不關心。哪一款AI能夠低門檻靈活使用，解決眼前實際的問題，帶來效率上的切實提升才是重點。

（大模型的排行榜）

那麼問題來了：哪一款大模型，是現階段比較好用的呢？

本着“能用、好用、性價比高”的評價原則，我們這次找來了當下最熱門的五款大模型，並且開通了付費最高等級的模型，模擬工作生活中的場景進行一次“非專業性測試”，看看哪一款是現階段我們用着稱心的“AI好幫手”！

參與評測的大模型有：大模型老大ChatGPT4、谷歌的Gemini Pro、OpenAI的叛忍Claude 3 Opus、突然爆火的Kimi、以及馬斯克的grok 1：

多圖、長圖預警！

正式測試開始↓

數學/邏輯測試

我們先從一般的數學和邏輯測試開始。我找了一些數學和邏輯類型的問題來提問，想看看大模型們的數學能力孰強孰弱。

我找了一系列問題來分別測試它們的運算能力。

先是ChatGPT 4，ChatGPT4完全體現了大模型運用現代工具的能力，它先是簡單地説了下該如何解題。

對於後面難一些的奧數題，它直接開始調用函數程序開始計算，像極了口算不行改拿計算器的我。

而在它調用函數的過程中，中間不知道是網絡的原因還是算法的問題，還出現了“算錯了”的情況。

最後ChatGPT4總結了所有的答案。

然後是Gemini Pro，谷歌的Gemini Pro很快就給出了答案。

Claude 3 Opus也是同樣，思考的速度比Gemini Pro稍微慢了點，但也十分言簡意賅。

grok 1的答案感覺也是使用了計算器，但是你的答案好像和上面的不一樣啊！

最後是國產大模型Kimi，第四題和第五題它以“沒有確切的條件”為由拒絕回答。

幻覺測試

因為生成式大模型經常會出現幻覺現象（Illusion Phenomenon in Large Models），簡單來説就是“一本正經地胡説八道”。

針對這個情況，我準備了一系列邏輯欠缺、常識不對或者有明顯誤導性的問題，看看大模型能否準確識別。

首先是ChatGPT 4，它的回答先是説這些問題“富有寓意性”，然後它在很認真地糾正我問題中常識性的錯誤，還給我科普一些知識，但是它空了兩個題沒有回答。

Claude 3 Opus的回答則讓我十分驚訝，它先是説這些問題是“無意義的”或不可能回答的，然後嘲諷我這些是“偽科學”，説這些荒謬的問題不可能實現。

Claude 3 Opus語氣嚴謹而堅定，一本正經説教的樣子彷彿引導弱智一般。

隨後是Gemini Pro，它逐條對我的腦殘問題進行駁斥，沒有任何個人色彩。

然後是老馬家的grok1，本來興致滿滿地期待，結果第一次就給我出了個大岔子。

我們先不提黃河的這個“彩虹屁”……最後怎麼還復讀上了？

再來一次之後，總算是正常了。

相比較而言，Kimi的回答還是很詳細地一遍就過了，表現還是很不錯的。

長文本總結測試

因為grok1並沒有上傳文件的按鈕，所以缺席了這次測試。我找了六篇關於AI終端的報道和論文，輸入進去並讓大模型進行總結並分析。

首先是ChatGPT4，它給出的結論對這幾個文章進行了有效地總結與歸納，不過內容明顯浮於表面。

接下來是Claude 3 Opus，它的文案總結十分詳細，還分條縷析地給出了每個小點的內容，包括AI終端所面臨的挑戰，完全可以做一個文章大綱了。

發揮出乎意料的是Gemini Pro，一開始的文案總結還算正常。

但是到了最後，文案的總結就好像跑偏到了專業領域，讓人看不懂重點在哪裏。

Kimi的答案很長很詳細，但沒有Claude 3 Opus涵蓋的要點齊全，屬於和ChatGPT4同級別的回答表現。

創作能力測試

在創作能力的測試中，我們採用這幾年大熱的“賽博朋克”為題創作小説故事，看看在沒有更加詳細的要求下，各個大模型的創作水平是否能達到令人滿意的程度。

首先是ChatGPT4，它的回答更像是一個自傳電影的大綱，並沒有多少吸引人的轉折。

不過ChatGPT4所自帶DALLE·3的文生圖程序，表現還是很不錯的。

這是水墨畫的小貓：

這是秦王和他的柱子：

Claude 3 Opus的回答應該是本輪測試中最為出色的一個，不但有亮眼的遞進和轉折，還能結合歷史事件進行改編。

Gemini Pro雖然也很好，但是創作的故事，未免太過於政治正確了一些……

（AI編故事也要政治正確嗎？）

好好好，不得不説，這真的很美國。

為了達到最佳的效果，我將grok1的回答模式從“常規”改成了“趣味”，但是它的回答並不怎麼有趣。

Kimi的回答也是很官方。

看來在文藝創作方面，各家的大模型在現階段，還是無法自主生成可立即使用的創意內容。

從網上獲取信息能力測試

最後，我們以“全球氣候變化”為題，來看看大模型聯網獲取信息並篩選處理的能力。

ChatGPT4的表現很穩定，它的優點將引用的鏈接在後面標註好，不好的點在於，引用信息可能有些過時。

其他幾家的搜索結果也都是大差不差。這是Claude 3 Opus的回答，好像並沒有太多的最新的網絡資料援引。

Gemini Pro的回答也只是援引了《巴黎協定》的資料。

Grok1的回答更為簡單。

表現最好的是Kimi，不但將所有的援引資料鏈接清楚標明，回答也是最為全面的。

大模型綜合評價

經過一系列的測試，我們也對於各家最新的大模型能力有了一個初步的認識。那麼哪款大模型是現階段最適合我們使用的呢？

從易獲取性/易用性上來説，Kimi獲得第一名當之無愧，國產大模型無需多餘的科學上網操作，即開即用，也難怪它異常火爆。而其他大模型想要體驗都要費一些周折，例如grok1，目前只有兩種方法可以使用——在X（推特）上開通會員+服務，或者下載開源模型在自家電腦上做推理計算，需要注意的是，你家電腦的配置需要包含至少8塊英偉達H200。

這還算能夠正常使用的，有些模型還會對中國用户有些區別對待。

（這個界面，並不是國內的所有人都能見到）

而從大模型的性價比來説，Kimi以免費使用一騎絕塵，其次是Gemini普通版，其他都有不同程度的使用收費，費用由低到高分別是grok1，ChatGPT4跟Claude 3 Opus相等。

而在大模型能力上，每個大模型都有其獨特的優勢。

**ChatGPT 4：**中英文都可以做到很好的語義理解和完成度，內置DALLE-3，可以完成文生圖的工作。就像班級裏不偏科的優等生，標準的六邊形戰士。

（ChatGPT4擬人化）

**Gemini Pro：**測試的各方面都很出色，而且還有檢驗回答正確與否的“搜索功能”。不過在創作領域或許有着濃重的地域特色，像是班級裏轉學過來的外國學霸。

（Gemini Pro擬人化）

**Claude 3 Opus：**雖然收費最高，卻是測試表現最好的大模型，各項測試都比較出色，沒有出現翻車的跡象，語氣沉穩且嚴謹，就像班級裏不用學習就能考得很好的學神。

（Claude 3****Opus擬人化）

**Grok 1：**你可以打開趣味模式讓它講關於馬斯克的笑話，或者收集最新的推特新聞，這些都是它的強項。不過目前沒有文件上傳和其他文生圖等擴展功能，是Grok的硬傷，就像班級裏偏科的中等生，説話很有趣但成績沒有前面的人好。

（Grok1擬人化）

**Kimi：**國產大模型出圈的代表，以免費、好使用吸引了一大波用户。在測試之後發現Kimi很好用，尤其是在網絡搜索資料總結和長文本總結方面十分出色，就像一個細心且消息靈通的課代表一樣，所有的書本知識和網絡知識她都明白，並能給你悉心指導。

（Kimi擬人化）

成為最會用大模型的人

雖然每家都在鼓吹自家的大模型，但是實際評測下來後，還是有很多意想不到的問題出現。比起高大上的測試，我們在實際使用中需要大模型反覆生成多次，才能得到想要的結果。

所以，以目前的AI智能程度來説，並不會出現想象中AI完全取代人類顛覆生產生活的程度。

並且，大模型的使用其實和人本身的知識水平，創造力、想象力有很大的關係。如果你並沒有具體的想法，你想要讓大模型隨便説點什麼（say something），可能大模型只會給你回覆一個——

huh？（啊？）

雖然發展速度很快，但是從AI到AGI（通用人工智能）還有一段很長的路要走。

不過這同時也意味着，人沒有那麼快被大模型取代，現階段把大模型充分地用起來，它會是一個效率很高並且在持續變強的參謀，一個很好的助手。

注：本次測試的題目由“智譜清言”大模型提供，文生圖的圖片由midjourney v6模型生成。