從去年開始，國內各大互聯(lián)網公司就先后推出了大模型產品，像是文心一言（百度）、通義千問（阿里）、豆包（抖音）、訊飛星火……
作為互聯(lián)網巨頭，騰訊動作不大，讓人感覺成了大模型缺席者，事實上，騰訊開發(fā)了混元大模型，在騰訊部分產品里，正在發(fā)揮作用。
因為騰訊宣傳力度不強，所以用戶很難注意到，而前兩天，騰訊終于帶著他們的 AI 助手“元寶”強勢來了。
就產品功能來說，元寶與其他的 AI 助手并沒有什么區(qū)別，依然是對話界面+各種智能體。
當然了，幾乎所有的 AI 助手都是如此，主流的 AI 助手里，只有天工開物搞了一個音樂創(chuàng)作的功能，可惜體驗很一般。
信息搜索
回到騰訊元寶上來，按照騰訊官方說法，騰訊元寶接入了微信搜一搜、搜狗搜索、內容涵蓋微信公眾號文章，主打一個內容全面，信息準確。
老狐試著用他們搜索近期關注的一個互聯(lián)網話題——抖音電商 2024 年的 GMV 還值得看好嗎？
元寶生成的回答，邏輯清晰，開頭說明了預測的 GMV 數(shù)據(jù)，以及關鍵的興趣電商與貨架電商增長對比，也提到了抖音電商的市場策略和外部環(huán)境的競爭。
可以注意到，文章一共引用了 8 篇文章作為參考，來源比較多樣，從公眾號到新浪新聞、網易新聞甚至還有《財富》雜志，在生成的結果里會標注資料來源，重要數(shù)據(jù)能迅速找到出處。
在生成結果末尾，提供了更多相關文章，基本來自公眾號。
相比于引用資料來說，其實文末的文章質量更高，其中也包含可引用的相關數(shù)據(jù)，但它們沒有被元寶收納到“引用資料”中。
為了見到自己的文章出現(xiàn)在引用資料里，老狐找了曾寫過的選題，結果第 7 條和第 8 條是科技狐發(fā)表在不同平臺的同一篇文章。
類似的情況在老狐測試時重復出現(xiàn)，優(yōu)化還不夠。
大模型這類涉及到問答形式，需要 AI 引用數(shù)據(jù)資料來生成回答的模式，回答的質量取決于引用資料的質量。
騰訊元寶背后有騰訊的整個生態(tài)，尤其是微信公眾號，后者有大量團隊和個人在上面發(fā)布高質量文章，僅就文字內容來說，這是知乎、小紅書比不了的。
但是……沒錯，老狐要說但是。
元寶在生成答案的末尾，附上的內容都是文字，沒有視頻內容，形式上不夠豐富，尤其是在特定的問題上，視頻能呈現(xiàn)出更好的效果。
比如面對“佛跳墻怎么做”這個問題，文心一言會提供視頻內容，其中還有“老飯骨”明星大廚制作的視頻，而元寶只有文字。
這需要騰訊后續(xù)升級優(yōu)化，比如引入視頻號的短視頻，或引入其他平臺如 B站、快手的視頻內容。
文檔總結
文檔總結功能，現(xiàn)在成了大模型內卷的方向之一，尤其是文字長度。
今年 3 月中旬，Kimi 宣布支持文檔最高字數(shù)達到 200 萬字，沒過多久，通義千問就把字數(shù)上限提升到 1000 萬字。
可能有人會質疑上百萬字數(shù)無用，然而，很多企業(yè)一份英文財報字數(shù)就可能超過 100 萬。
騰訊說元寶能一次性解析最多 10 個 PDF/word/tet 文件，一次性閱讀一本書不成問題。
先來看看普通的文章總結，老狐拿公眾號的文章做了測試，結果讓人有些失望。
總結里提到 SU7 的銷量超出預期，以及雷軍設定新的銷售目標，相關數(shù)據(jù)原文有提到，但總結卻沒有列出來。
我甩給它小米的財報 PDF 連接，讓它幫我找出關鍵數(shù)據(jù)，這一點，元寶完成得非常不錯。
繼續(xù)增加難度，我同時向它扔了蔚來、小鵬和理想三家車企的去年英文版年報的鏈接，讓它整理一些關鍵數(shù)據(jù)。
它變成了文檔提取失敗，多次嘗試依然無果。
于是我又特地下載三份年報到本地，上傳數(shù)據(jù)讓它讀取。
這回倒是不會提取失敗，生成了相關數(shù)據(jù)，并且用表格進行對比，但三家車企數(shù)據(jù)雷同。
老狐猜測原因是三篇財報字數(shù)接近 350 萬，超過了元寶的文字長度限制，于是默認使用了最后上傳的小鵬財報數(shù)據(jù)。
用 Kimi 和通義千問來總結，也無法成功，Kimi 提示“超過對話長度”。
不過，改成只總結蔚來的年報時，元寶正確引用了蔚來的數(shù)據(jù)，但卻犯了一個致命錯誤，把 RMB 和 Dollar 弄混了。
*元寶總結的數(shù)據(jù)
*蔚來財報截圖
老狐圓不回來了，可能元寶的英文不佳吧。
值得一提的是，在微信里打開好友發(fā)過來的 word 或 PDF 文檔，可以選擇用元寶打開，通過元寶小程序總結文檔內容。
而在企業(yè)微信里，暫時還不支持元寶打開文檔。
誰是真實的辦公軟件，誰是虛假的辦公軟件一目了然。
AI 寫作
AI 寫作也是如今大模型必提的功能之一，宣傳的文案、策劃等場景，大模型已經能夠滿足。至于技術要求更高、代替老狐工作的長文寫作能力，大模型已經很少提及。
先來看一個比較普通的寫作場景——寫周報，這是我給的 prompt：
“幫我寫一份上周的周報。我周一寫完了之前沒寫完的視頻稿，周二，周三，周四寫了兩篇公眾號稿子，并體驗了一款大模型產品，周五做了測評并寫了一部分文稿”
這是元寶生成的答案。
Prompt 里只有簡單的工作內容，生成的周報豐富了細節(jié)，比如“與視頻團隊溝通”、“撰寫過程中注重內容的深度和廣度”。
整體來說，這份周報內容寫得還不賴，完成了大部分框架，根據(jù)實際情況再做調整，便足夠應付咱們工作中的需要。
另外我讓元寶完成一份策劃方案，比如公司團建活動，給出 prompt 為：
“策劃一場公司團建活動，參與人數(shù)為20人，地點就在公司，時間是下午一點半到六點半，活動內容包括近期工作總結，互動游戲。”
生成的活動策劃案第一項是工作總結，安排的三個互動游戲適合室內，游戲道具也有提及。
只不過第三條“心得分享與交流”，在我看來沒有必要，但這部分可能是大多企業(yè)結束團建的儀式。
這份策劃方案大家認為如何？老狐認為還不錯。
邏輯計算和常識
在考驗大模型的邏輯能力時，最常用的題目類型是雞兔同籠求解，不過類似問題已經難不倒普通的大模型，元寶同樣如此。
提高難度，老狐用一道高考模擬題來考驗它，原題是這樣的。
上傳圖片讓元寶識別題目，然而識別出現(xiàn)錯誤。
于是老狐又手動輸入題目，最終計算出一個……錯誤答案！
小伙伴也別覺得元寶計算能力差，事實上，這道題我之前用文心一言、Kimi、通義千問、豆包都計算過（且都無法直接用圖片提取題目文字）。
元寶，文心一言、Kimi、豆包利用不等式知識解題是正確的思路，但是原題需要變通，將 36=4（a+b） 帶入進去提取常數(shù)，大模型顯然沒有這個創(chuàng)造力，紛紛選擇硬解，集體翻車。
通義千問計算出了正確答案，不過沒用不等式，而是通過微積分知識，求導確定極值。
通義千問這波是拿宰牛刀殺雞。
我調整了 prompt，讓它用不等式知識計算，看著它輸出了 3 分鐘計算過程，中途還更改計算步驟，最后變成了系統(tǒng)超時。
能否制造并使用工具是人與動物的區(qū)別之一，而能否靈活運用知識，是人與機器的區(qū)別。
常識問題在去年大模型爆發(fā)初期常常見到，還鬧出了“林黛玉倒拔垂楊柳”的笑話。現(xiàn)如今，這個 Bug 已經得到優(yōu)化，元寶在面對這類問題能輕松避開。
老狐用國外的文學知識對它測試，它也能正確指出其中的錯誤。
不過有些陷阱它還是無法避免，比如我在周五問元寶今年多特蒙德為何奪得歐冠冠軍，它說得頭頭是道，然而比賽是周日凌晨才進行。
不過當比賽結束，再問它多特奪冠，它已經能指出其中問題所在。
大模型常識問題需要大量資料支撐，在事發(fā)前，沒有任何資料，它可能就會胡言亂語。
大模型就像是三體人，與人類的詭計多端比起來，還是單純了些。
AI 作圖
在騰訊的宣傳稿里，特意提到元寶作畫的能力。
實際上，如果給到的 prompt 提到的主角單一，并給到環(huán)境描寫，它能生成信息準確的圖片。
一旦主角有兩位，包含不同的細節(jié)，元寶生成的圖片就對不上 prompt 了。
此外，在某些場景下，生成的人物面部會很恐怖。
這種情形下選擇重復輸出，能得到一張容貌姣好的美女照片，但眼神依舊怪異，而且傘骨歪斜。
老狐進行了多次測試后發(fā)現(xiàn)，如果人物是正面，且臉部占據(jù)畫面較大的面積，元寶對人物面部刻畫會更準確，一旦角度是斜側，或者人物面部較小時，面部就會出現(xiàn)比例失調，尤其是后一種情形。
這不是元寶一個大模型的問題，其他大模型也會如此。
不過有些大模型在處理這類問題時，要討巧得多，要么選擇展示人物背面，避免臉部的刻畫，要么就直接正臉，給側臉是死活不會給的。
在他們面前，元寶、豆包像個耿直 boy，畫人物面部幾率要比其他幾款大模型高得多。
反過來，耿直的元寶也更“聽話”，畫面與 prompt 更契合，用戶更容易得到自己想要的畫面。
總結
