8月12日，天津大學和信創海河實驗室舉辦“大模型技術與評測研討會”，會上天津大學發布首份《大模型評測報告》，對國內外主流的14個大語言模型進行中文綜合能力評測，結果顯示，GPT-4和百度文心一言相較于其他模型綜合性能顯著領先，兩者得分相差不大，處于同一水平。隨著中國大模型的蓬勃發展，國產大模型中文心一言已經在大部分中文任務中實現了對ChatGPT的超越，并逐步縮小與GPT-4的差距，中美大模型正在形成兩強領跑的格局。

尤其值得關注的是，在此次評測中，天津大學引入GPT-4對參評模型的主觀題回答進行了打分，結果顯示，在GPT-4看來文心一言生成的中文內容質量更高。相比人工評價，在基于GPT-4的自動評測中，文心一言的總得分一舉超過GPT-4，躍居榜首。

天津機器學習重點實驗室負責人、天津大學胡清華教授表示，“基礎智能模型有望重塑人工智能的發展模式，國內外大模型如雨后春筍般大量涌現。全面準確評價此類模型是推動和規范其健康發展的基礎，為使用者在選擇和應用大模型時提供參考。可以看到，百度文心一言在評測中展現了國產大模型的強大實力，中國的大語言模型在短期內取得巨大發展，正在逐步趕超國際類似的模型，甚至在某些指標上實現了局部超越。未來，期待國產大模型能夠取得更大突破，可以賦能社會經濟發展，助力我國科技高質量自立自強。”

據了解，參與本次評測的大模型包括GPT-4、ChatGPT gpt-3.5-turbo、Claude-instant、Sage gpt-3.5-turbo等國外大模型，以及百度文心一言、阿里通義千問、訊飛星火認知大模型、ChatGLM-6B、360智腦、MOSS-16B、MiniMax、baichuan-7B等國產大模型。評測使用一套涵蓋知識問答、語言表達、邏輯推理、常識問答、文本問答、機器翻譯等不同領域知識、包含多種題型的中文綜合性試題，通過多維度得分結果，清楚了解不同模型的擅長領域和綜合能力優劣。

結果顯示，國產大模型以文心一言為代表，在知識問答、語言表達、邏輯推理、常識問答等方面表現出色。相比其他國產大模型，文心一言更具優勢，展示了更強大的綜合能力。尤其在中文語言表達上，文心一言相比GPT-4和其他國內大語言模型明顯更優質。此外，本次評測中，文心一言在計算機、醫學、法律和教育等領域的得分率高，為大語言模型在相關行業的落地提供了技術基礎。

近期，國內外多家調研機構、權威媒體和高校等發布大模型評測報告，從結果來看，文心大模型3.5版支持下的文心一言中文能力突出，甚至有超出GPT-4的表現；綜合能力在評測中超過ChatGPT，領先于其他大模型，穩居國內第一。有專家指出，大模型正在進入規模可復制的產業落地階段，在關注大模型評測的同時，更要關注大模型的落地生態。百度文心在大模型生態的構建上具備先發優勢。

公開資料顯示，目前有15萬家企業申請接入文心一言測試。最新數據顯示，百度有超過750萬開發者基礎，20萬企業生態基礎，多層次開展大模型人才培訓、企業賦能、開發者運營。百度還設立10億創投基金鼓勵大模型創意、繁榮大模型生態，不到1個月時間吸引近1000個項目參與角逐，參賽團隊表示，百度打響了中國大模型的第一槍，百度在資金、技術、業務等方面的全面扶持，大幅降低了大模型行業的入局門檻，為大模型應用創業團隊注入了強勁動力和信心。