作者 | 虞景霖
编辑 | 邓咏仪
半年来闷不做声的字节，终于发布自家大模型的最新进展了！
没有一点点讯号，8月17日，字节跳动宣布开始对外测试AI对话产品“豆包”，进入官网（https://www.doubao.com/ ）直接注册使用或通过官网提供的二维码下载App即可使用。
来源：豆包app
在“豆包”发布前，字节最新的AI进展，是6月被曝光的内部AI项目“Grace”。
据Tech星球报道，Grace在7月就开始小范围内测，再到如今改名“豆包”，正式与公众见面。
不过，据36氪最新获得的信息，字节Grace并不能算是豆包前身，Grace在内部的定位更像是个AI应用货架，“豆包”只是Grace团队开发的第一款产品。目前，扫描豆包官网的App下载按钮，官网会显示安卓和IOS App都只能下载Beta测试版本。
从名字“豆包”还有可爱的虚拟3D形象就可以看出，字节并不是希望做一个像ChatGPT那样的“学霸”工具，而是一个更亲民的产品。
进入默认页，可以发现“豆包”将页面分为两部分，左边是四个AI机器人，包括豆包、超爱聊天的小宁、英语学习助手和全能写作助手。右边是AI机器人对应的对话框。
来源：豆包app
四个AI助手有什么区别呢？
听豆包自己介绍——
来源：豆包app
总结来说，它们四个各有所长——
豆包是班长，哪里需要哪里搬；
超爱聊天的小宁是中国好同桌，聊天逗趣好搭子；
英语学习助手是英语课代表，全方位提高你的英语成绩；
全能写作助手是语文课代表，文学素养全靠它。
但这并不代表用户只能使用这四个默认AI机器人，就像在ChatGPT建立新对话框一样，用户可以通过创建新的对话框来“另起一个”，还可以编辑新对话的名字或者删除该对话。
来源：豆包
如果你向豆包提问：豆包是谁？可以做什么？
来源：豆包
来源：豆包
自ChatGPT横空出世，同样作为生成式人工智能，豆包和其他生成式人工智能大语言模型相比，有什么优势和劣势？
来源：豆包
下面再来看看“豆包”的“语言理解能力”。
来源：豆包
若提问四大名著，“豆包”回答准确，且在理解小说内容方面表现良好。
相比之下，豆包在“总结”劣势方面表现得相当诚实——它的准确性确实有待提高。
当我们随机输入一道数学题：
来源：豆包
正确的答案应该是<0,1），即使重新回答，也依然提供了错误答案......
来源：豆包
如果不是数学学科又会如何？
来源：豆包
回答正确！
另外，从测评来看，“豆包”仅支持回答“有科学依据”的问题。
来源：豆包
除了中文，“豆包”还支持英文对话，点击右上角即可切换语言。
来源：豆包
有传言称国产大模型缺乏自己的数据库，需要大量借助英语国家的数据进行训练，“豆包”是否会这样，切换语言测试一下：
从讲笑话来看，“豆包”在中英文的表现半斤八两。
来源：豆包
无聊的时候可以找“超爱聊天的小宁”聊天，它是否是一个合格的聊天好搭子呢？让我来测试一下！
来源：豆包
小宁的“默认状态”就好像水豚，相当稳定与严肃。但十分听话，当你希望它切换风格的时候它能立即切换。
全能写作助手不仅可以根据要求生成诗歌，还提供了阅读鉴赏功能。
来源：豆包
尽管这首《田间之歌》的诗句并不那么优美，但这首诗可仅仅只用了10s不到。
当我们向“英语学习助手”提问时，它的回答表现又如何呢？
来源：豆包
根据提问建议，我尝试询问它“ban”和“interdict”两词的区别，可以看到，“英语学习助手”的回答并不完全是英文。
如果觉得英文的回答中仍然不好理解，可以让“英语学习助手”把它转化为中文，双语切换，十分丝滑~
总体而言，“豆包”目前能够支持一些简单问答，准确性有待提升。
并且，现在豆包是仅支持文字生成，暂时还没有上图片功能。
豆包也还没有联网。根据字节官方介绍，“豆包”的训练数据截至2023年之前，因此无法回答2023年的相关问题。
相较于国内其他互联网企业，字节尽管早在2月就开始了大模型团队组建，但到真正发布第一款产品“豆包”，可谓是姗姗来迟。
字节在人工智能领域布局已久。2016年，字节就成立了人工智能实验室AI Lab，聚焦于自然语言处理、机器学习、数据挖掘等方面的研究。
不过，国内“大模型之战”掀起后，字节一直没有公布任何底层大模型的进展。
反倒是在6月，火山引擎先发布了大模型服务平台“火山方舟”，给国内大模型公司提供算力和其他配套服务。
来源：火山引擎
而到最近发布豆包，字节大模型团队其实悄悄放出了不少进展。
7月，一个名为BuboGPT的大模型正式上线Github，背后同样是字节跳动团队。
BuboGPT是一个多模态大模型——BuboGPT能够将文本、图像和音频等多模态输入进行整合，在图像音频数据处理方面表现出了出色的对话能力。
官网：https://bubo-gpt.github.io/
来源：BuboGPT
BuboGPT最牛的地方在于听音辨位。
来源：BuboGPT
以上图为例，只需要上传一段音频一个图像，BuboGPT就能快速识别音频来自于图像的哪个地方，并且贴心地用边界框帮你框出来！
从BuboGPT中，也可以看出字节大模型的方向——结合图像和文字，做多模态的应用尝试。
可以想见，这和字节的业务密切相关——作为APP工厂，字节旗下有抖音等多个C端应用，在音视频上的应用场景非常丰富，在这方面发力，也是合情合理。
不过，字节扔的豆包还热乎着，字节的老对家——快手，显然是按捺不住了。
8月18日晚，快手突然宣布，“快手AI对话”安卓版本开放内测——此前，快手AI已经在8月初进行过一波小范围测试了。
但字节豆包还是一个独立app，但显然快手在应用上想抢先一步，快手AI对话直接就内置在快手中。
使用方法上，用户只需要点击快手搜索首页右上角的AI图标，直接输入内容或者点击引导问题，就可以开始对话。
另外，用户也可以触发「搜索智能问答」卡片，通过底部入口使用这项功能。
来源：快手
在大模型的支持下，用户能够更加高效的找到自己感兴趣的主播或者视频。
来源：快手
来源：快手
快手AI对话，也是首个基于大语言模型在短视频直播行业落地的应用产品。
国内大模型混战依旧火热，各家厂商在辛勤耕耘底层的大语言模型时，在应用端的争夺也已经开始——
AI 大模型逐渐进入各种终端和国民级应用之中。比如最近，华为和小米都已经把大模型放到自家手机系统当中了。
如今，“抖快”均发布AI应用，无疑是国内大模型落地的又一个重要节点。
来源：公开网络
参考资料：
https://arxiv.org/pdf/2307.08581.pdf
