文心一言内测：中文大模型的第一课

Sat, 25 Mar 2023 00:00:00 +0000

3 月 16 日，百度发布了文心一言，并同步开启内测。这是国内第一款面向公众的大模型产品，关注度从发布那一刻就拉满了：发布会还没结束，内测申请页面就挤满了人。

文心一言主打的方向很明确：中文。文学创作、商业文案、数理推算、中文理解、多模态生成，发布会上演示的都是中文场景。写一首藏头诗、给公司起个广告语、解一道应用题、按要求生成一段文案，这些都是它想证明自己"懂中文"的地方。对中文用户来说，这一点很实在——此前的通用大模型再强，中文语感和本土语境总隔着一层。

但发布会本身也引发了不少争议。整场发布基本用的是录播演示，而不是现场实时互动，这让一部分观众觉得不够过瘾，也有人质疑实际效果是不是打了折扣。发布会后，拿到内测资格的用户反馈呈现两极：有人觉得中文写作和理解确实不错，尤其在对联、古诗、中文办公场景里表现自然；也有人指出，它在复杂推理、代码和英文内容上还比较吃力，回答偶尔会出现事实错误。

这种褒贬不一其实不难理解。大模型的能力很大程度上取决于训练数据的规模和质量，中文语料的积累、英文世界的开源生态，起步时间都不一样。第一款产品先把中文场景立住，再慢慢补齐短板，是符合现实的路线。反过来，对用户来说也别急着下结论：内测版本本来就不是最终形态，模型迭代的速度比我们想象得快。

如果你拿到了内测资格，建议这样试：先测你最常用的场景，比如写周报、想标题、整理会议纪要；再测它的边界，比如多步推理和需要查证的事实问题。好用就留着，不好用就先放一放，等几个版本再看。

发布会到底讲了什么，值得展开说说。百度创始人李彦宏现场演示了文心一言的五大能力：文学创作、商业文案、数理推算、中文理解和多模态生成。演示里有写藏头诗、给企业想广告语、解数学应用题、根据图片生成文案，都是中文用户日常会碰到的场景。百度的潜台词很清楚：我不跟你比英文考试，我比的是中文语境下的实用程度。

内测实测下来，强项和短板都比较清晰。强项集中在中文写作和理解上：写对联、古体诗、中文办公文案，语感自然，接地气；中文语义理解，比如识别一句话里的潜台词、把口语化的需求整理成正式表达，也比国外模型更贴合中文习惯。短板主要在三处：复杂的多步推理容易绕晕，代码能力还在追赶，涉及需要查证的事实问题时，同样会出现编造。而且早期内测名额有限，排队的人很多，体验参差不齐也跟版本还在快速迭代有关。

百度为什么这么急着上？一方面是竞争窗口：GPT-4 刚发布，全球都在看谁能跟上，国内第一款面向公众的产品天然自带关注度；另一方面是生态考量：百度有搜索、地图、网盘、智能音箱一整套产品，模型一旦成熟，可以迅速长进这些场景里，变成实实在在的功能，而不是停留在聊天框里的演示。

内测资格怎么拿，也是当时大家最关心的问题之一。发布后百度开放了内测申请通道，需要在官网提交申请、排队等待，首批名额优先给了企业和部分个人用户。拿到资格后可以在网页端直接对话，也能通过百度搜索、智能音箱等入口体验部分能力。排队期间能做的事也不少：先把你最想试的场景列出来，比如写周报、做会议纪要、想广告语，等名额一到就能立刻验证，而不是拿到手才想起来要测什么。

中文大模型接下来比什么？短期看是中文场景的深度：谁的中文写作更自然、谁更懂本土的办公和生活场景、谁在中文理解上犯的错更少。中期看是生态：模型能不能长进搜索、文档、邮箱、智能硬件这些每天都在用的产品里，而不是只停留在聊天框。百度在发布时已经表态，文心一言会陆续接入搜索、智能音箱、网盘等自家产品，这个落地速度值得盯着看。对用户来说，模型长进天天用的产品里，比单独开一个聊天页面更有意义。等它真正走进搜索和文档，体验才算完整。长期看则是技术底座：训练数据的质量、算力的投入、模型的迭代速度，这些决定了天花板有多高。文心一言抢到了先发位置，但先发不等于胜出，真正的较量才刚刚开始。

对中文用户来说，文心一言的意义可能比单项能力更重要。它证明了中文大模型可以做出来、可以用起来，后续的厂商、资本、人才都会往这个方向涌。接下来的竞争不会只比谁的中文写得好，还会比谁的生态更完整、谁的落地更快、谁先跑通商业模式。

和 GPT-4 发布时的情况类似，文心一言的出现更重要的意义不在于某一项得分，而在于它把中文大模型的竞争摆到了台面上。接下来，会有更多厂商、更多产品加入这场竞赛。对用户来说，这是好事：选择多了，产品进步的速度也会更快。中文大模型的第一课才刚刚开始，真正的考试还在后头。

文心一言 on 科技刺猬

文心一言内测：中文大模型的第一课