今天，阿里正式推出了其新开发的大型模型，名为 “通义千问”。

对于关注人工智能的朋友而言，几天前推出的天猫精灵版本实际上就是阿里 GPT 的一个 “定制版”。而此次发布的通义千问则代表了阿里 GPT 的“完整版本”。

阿里的这一大模型自称为全球首个参数超过 10 万亿的人工智能系统。此外，阿里还主导建立了“魔搭”，这是国内最大的 AI 模型服务社区，因此市场对阿里 GPT 的期待值较高。

然而， 实际的表现如何，只有通过测试才能揭晓。

为了进行测试，知危编辑部如同之前评测百度的文心一言一样，获得了通义千问的试用账号。接下来，我们将直接进行测试。

首先，我们选择一个大家耳熟能详的“弱智吧问答”问题： 为什么我的父母结婚时没有邀请我参加婚礼？

这是一个常见的问题，之前的测试中，ChatGPT 和百度的文心一言往往将其解释为“父母二婚”，以此来回答。

ChatGPT-3.5 的回答

而通义千问对此则给出了更符合常理的答案：因为在父母结婚时你还未出生。

不过， 百度的文心一言现在也能够用相似的逻辑回答这个问题，我们不能确定这是否是巧合，还是国内厂商根据网友们的调侃对模型进行了“应试教育”。因此，本次测试中，知危编辑部将尽量避免使用市面上广为人知的老问题，或者在问题上进行变化后再提问。

接下来我们测试语义理解的能力：“李四壮差点上上上上海的车”，这句话的意思是什么？

通义千问的回答是：

文心一言的解答为：

ChatGPT（3.5 版本，统一称之为该版本） 的回答如下：

通过这次比较可以看出，ChatGPT 在解析复杂中文句子时，表现欠佳。而通义千问与文心一言则展现了更强的理解能力，并且能够准确阐释思路。

随后，我们继续进行了一项测试，旨在评估带有场景和情感色彩的句子的理解能力：

在七夕节的晚上，我向一位女生表达爱意，询问她是否愿意成为我的女朋友。她的回复是：“笨蛋，我今晚都特意出来见你了，你觉得呢？”请问这位女孩是否接受了我的告白？

通义千问的解答为：

文心一言的解答为：

ChatGPT 的回答是：

在这次测试中，三家机构的表现相对接近。接下来，我们将增加问题的复杂性：

我希望妈妈能给我买一个玩具，她却问我：“你觉得我像玩具吗？”请问她这句话的含义是什么呢？

通义千问对此的解答为：

文心一言对此的回答为：

ChatGPT 的解答为：

在这一轮的测试中，通义千问和文心一言的表现均不理想，而 ChatGPT 则准确理解了问题的本质。通过对前三个问题的分析，可以看出三者的能力各有千秋，后来的通义千问并未逊色于前两者。

接下来，我们将进行逻辑推理与判断能力的测试，先提出一个故意不合逻辑的问题：

为何意大利面要加入 42 号混凝土？通义千问对此的回答是：

文心一言对此的反馈是：

ChatGPT 对此的回答是：

在本次评测中， 通义千问与 ChatGPT 均察觉到问题的“逻辑不合”，而文心一言则将 42 号混凝土描述为“制作意大利面的完美材料”。

接下来是第二个问题：我在街上行走时，一个陌生人突然低声对我说“救救我”，那么可能发生了什么？通义千问对此的解答是：

此外，文心一言的回应是：

而 ChatGPT 的回答则是：

在这轮评测中，通义千问与 ChatGPT 的表现均较为出色，然而文心一言的推理能力却显得不足。接下来是第三个问题：

每个读者心中都有属于自己的哈姆雷特，那么一万个读者心中又会有多少个哈姆雷特呢？在这里我们先卖个关子，先分享文心一言的回答：

最后，ChatGPT 的回应是：

通义千问的解答为：

深度剖析：三大智能问答系统的表现比较

与前两家不同的是，这一家的回答中并没有直接给出数据，这使我们不得不进一步询问。

通义千问的回答令人印象深刻，它不仅准确领会了“每个读者心中都有一个哈姆雷特”这一核心思想，同时还考虑到了“部分人可能会有相同理解”的情形，因此不选择给出明确的数字。

从前三个问题的表现来看，这三家在推理和逻辑能力方面不相上下，然而通义千问似乎展现了更为严谨的思考，能够综合更多的因素进行分析。

接下来，我们将继续探索它们在知识和科技相关问题上的问答能力。

第一个问题是： 如何提升汽车动力电池的能量密度？

通义千问的回应如下：

文心一言则给出了不同的见解：

而 ChatGPT 的回答为：

在这一轮的问答中，三家的表现依然相差无几，文心一言在某些细节上略显不足。接下来的问题是：如果将橙汁添加到牛奶中，会发生什么样的反应？

通义千问对此的解答是：

文心一言的回答如下：

ChatGPT 的回答如下：

在这一轮的问答中，通义千问与 ChatGPT 均描述了混合牛奶的性质变化，而文心一言则未做相关说明。接下来的问题是：未来哪些车型将逐步取代传统燃油车？

通义千问的回答如下：

文心一言对此问题的回答为：

ChatGPT 的回应为：

在对这一问题的分析中，文心一言与 ChatGPT 都明确指出了电动车（EV）作为未来的主要替代选择，而通义千问则显得更为谨慎，提供了多个潜在替代方案，整体而言，三者的回答在水平上接近。

综合考虑前三个问题的回答，我们发现三家均展现出良好的智力水平。通义千问与 ChatGPT 的回答显得更加详细，而判断优劣则可能因个人主观意见而有所不同。

文学与写作能力的较量：三家 AI 的表现

接下来，我们将对三家在文学创作和写作领域的能力进行评测。首先，我们提出的第一道题是：结合“人类”和“机器人”两个元素编写一个恐怖故事。通义千问给出的答案是：

接下来是文心一言的回应：

ChatGPT 的回答如下：

在这轮测试中，我们注意到各家的表现都相对不错。而文心一言的故事则显得尤为出色，情节丰富并设计了精彩的反转。

接着，我们进入第二道题：鲁迅的短篇《孔乙己》传达了怎样的内涵？通义千问对此的解答是：

然而，这个答案显得有些出乎意料， 它将孔乙己描述为在酒肆表演的歌手，这是否意味着训练数据出现了偏差？也许它学习的是某种同人作品 … 文心一言对此的解答是：

而 ChatGPT 的表述则是：

在探讨这个问题时，文心一言在字数上表现得最为简洁，但其表达却极为精准。而通义千问及 ChatGPT 的表现则略显不足。接下来，我们来看第三个问题： 请撰写一篇关于气候变化的简短文章。通义千问的回答是：

文心一言对此问题的回答是：

ChatGPT 的回答则是：

从三者的写作能力来看，它们的整体水平相差无几，通义千问和 ChatGPT 似乎在细节和全面性上表现得相对优秀。

结合前三个问题的结果，我们可以得出，这三者的竞争依然非常激烈。文心一言在偏向人文学科的领域表现稍强，通义千问在报告类文章上略胜一筹，而 ChatGPT 则展现出较好的均衡性。

鉴于篇幅的限制，本文的测试内容到此为止。接下来，我们将对通义千问进行总体评价：

通义千问的表现基本上与 ChatGPT（3.5 版本） 不相上下，或有细微差距，与文心一言的比较也是你来我往。

在回答生成方面，通义千问似乎表现得更加理性、严谨且逻辑性强，尤其在科学知识方面表现突出，而在人文文学领域则略显不足。

当然，它也存在生成的对话 AI 偶尔会出现不准确的回答或虚构事实的通病，但随着公测的推进，用户的反馈可能会促使这些问题逐步得到改正。

值得一提的是，在与通义千问的对话中，我们询问了它的训练起始时间：

那一年，OpenAI 已推出了 GPT- 2 版本。

显然，阿里的通义千问，作为后来者，正快速缩短与 OpenAI 之间的差距。

可以明确地说，在 AI 大模型领域，又一位强劲的竞争者已经崭露头角。