豆包大模型披露评测成绩 较上一代“云雀”提升19%

近日，豆包大模型在火山引擎原动力大会上正式发布，以超低价格掀起大模型降价潮。aO9知多少教育网-记录每日最新科研教育资讯

在火山引擎的一份产品资料中，豆包模型团队公布了一期内部测试结果：在MMLU、BBH、GSM8K、HumanEval等11个业界主流的公开评测集上，Doubao-pro-4k的总分为76.8分，相比上一代模型云雀Skylark2的64.5分提升了19%，也优于同期测试的其他国产模型。aO9知多少教育网-记录每日最新科研教育资讯

此次评测在今年5月完成，主要包括豆包通用模型-pro、云雀Skylark2在内的9款国产大语言模型。除了云雀Skylark2以外，其他模型均为各家厂商最新发布的高级版本，通过API调用进行测试。aO9知多少教育网-记录每日最新科研教育资讯

评测结果显示，在评估代码能力的两个评测集HumanEval和MBPP上，豆包相比上一代模型提升了50%左右;在专业知识和指令遵循的评测集上，豆包分别获得33%和24%的性能提升，同时也是得分最高的国产模型。aO9知多少教育网-记录每日最新科研教育资讯

此外，豆包模型在数学能力、语言理解能力，以及综合评测集CMMLU和CEval的评测上也有不错的表现，得分排在前三。综合11个公开评测集上的测试成绩，豆包通用模型-pro的总分为76.8分。根据OpenAI公布的测试成绩，GPT-4在这些评测集上的总分为80.1分，相比国产模型仍有一定领先优势。aO9知多少教育网-记录每日最新科研教育资讯

据悉，豆包模型在5月15日刚刚推出，尚未加入到第三方机构测试中。预计未来一到两个月内，很多第三方评测机构将会陆续披露该模型的评测结果。与模型同名的AI对话助手“豆包”，官方公布的月活用户数已经达到2600万，用户可以自由体验测试。aO9知多少教育网-记录每日最新科研教育资讯

此前，智源研究院公布了覆盖全球91个语言模型的评测报告。在偏重考察中文能力的主观评测中，云雀Skylark2排名第一，中文能力超过GPT-4。aO9知多少教育网-记录每日最新科研教育资讯