摘要：综合性能全面超越GPT-3.5-turbo
记者今天从商汤科技获悉，这家企业联合上海人工智能实验室等多家科研机构研发的AI大语言模型“书生·浦语”（-123B）在12项权威评测中超越GPT-4，综合性能全面超越GPT-3.5-turbo。
今年上半年，商汤发布了“日日新”大模型体系，并发布了国内第一个综合性能全面超越GPT-3.5-turbo的基模型“书生·浦语”（）。这个大模型的研发共投入约10000张GPU，其能力实现了飞跃式发展。
今年8月，新模型-123B完成训练，参数量提升至1230亿。这个新模型的语言、知识、理解、推理和学科五大能力均显著提高，在全球51个知名评测集（包括MMLU、、ARC、Ceval、Race、GSM8K等）共计30万道问题集合上，测试成绩整体排名全球第二，超过GPT-3.5-turbo以及Meta公司新发布的-70B等模型。
据介绍，-123在主要评测中，有12项成绩排名第一。其中，在评测集综合考试中的分数为57.8，超越GPT-4位列第一；知识问答的评测分数为88.5，排名第一；-123B在阅读理解的五项评测中成绩全部居榜首；此外，在推理的五项评测中成绩排名第一。
与第一代“书生·浦语”大模型相比，-123B不仅生成的内容更加准确、可靠，可在复杂场景中进行多步推理和计算，还具备了自主反思及修正错误的能力。-123B也重点升级了代码解释器及插件调用能力，可使用解释器、API调用和搜索三类常用工具来解决复杂任务、灵活搭建AI智能体应用。在此基础上，商汤自主研发的“商量”（）大模型将在9月升级到3.0版本。
在向全球领先的GPT-4发起冲击的同时，商汤与多家科研机构合作，推进AI大模型开源平台建设，-7B（70亿参数）的部分训练数据、训练代码、基模型权重已经向学术界和工业界免费开源，并支持商用。
目前，-7B在多个模型测试榜单高居榜首，成为世界上性能最好的轻量级基模型之一。商汤表示，期待看到AI社区对的改进和更多AI应用的共建。
大语言模型的突破带来了产业新机遇。基于模型，结合自研推理加速算法，商汤正在与头部手机芯片厂商合作研发，已实现大语言模型的手机端实时计算能力，将为手机操作系统增加一系列新功能。
“今年上半年，大模型和生成式AI可以说是全球最受瞩目的科技突破。”商汤集团董事会执行主席兼首席执行官徐立博士说，“我们希望给行业带来更强的大模型能力，助力我们的用户在生成式AI的时代做出颠覆性产品。”
