本周四，美國 AI 創業公司 Inflection AI 正式發布新一代大語言模型 Inflection-2.5。

據介紹，Inflection-2.5 將強大的 LLM 能力與 Inflection 標志性的「同理心微調」結合在一起，兼具高情商與高智商，可聯網獲取事實信息，其性能可與 GPT-4、Gemini 等領先大模型相媲美。

Inflection-2.5 現已向所有 Pi 用戶開放，在 PC 端、iOS 和安卓 App 上均是免費可用。ps. 機器之心也簡單測試了下，覺得確實還只是「逼近」（不如）GPT-4，感興趣的讀者可以自行體驗下。

鏈接：https://pi.ai/talk

值得注意的是，Inflection-2.5 實現了接近 GPT-4 的性能，而訓練過程卻僅使用 GPT-4 40% 的算力。

Inflection AI 表示，新一代大模型在編碼和數學等智商領域取得了特別的進步。這轉化為對關鍵行業基準的具體改進，確保 Pi 始終處于技術前沿。Pi 現在還融入了世界一流的實時網絡搜索功能，以確保用戶獲得高質量的突發新聞和最新信息。

Inflection-2.5 vs GPT-4

Inflection-1 訓練使用的 FLOP 約為 GPT-4 的 4%，在各種「IQ 導向」型任務中，其平均性能約為 GPT-4 水平的 72%。現在，Inflection-2.5 盡管只使用 GPT-4 40% 的 FLOP 來進行訓練，但其平均性能卻達到了 GPT-4 的 94% 以上。如下圖所示，Inflection-2.5 的性能取得了全面的顯著提升，其中 STEM 領域知識的改進最大。

Inflection-2.5 在兩項不同 STEM 考試 —— 匈牙利數學考試、物理學研究生入學考試（GRE）—— 的成績如下：

如下表所示，該研究還在 MMLU 基準、GPQA Diamond 基準上評估了 Inflection-2.5。MMLU 基準涵蓋 STEM、人文、社會科學等領域的 57 個學科，能夠有效地測試 LLM 的綜合知識能力，而 GPQA Diamond 基準是一個極其困難的專家級基準。

在 BIG-Bench-Hard 基準上，Inflection-2.5 比 Inflection-1 性能提高了 10% 以上，并且可與 GPT-4 相媲美。BIG-Bench-Hard 基準主要涵蓋大型語言模型難以解決的問題。

該研究還在 MT-Bench 基準上進行了評估。然而，研究團隊意識到該基準在推理、數學和編碼類別中有很大一部分（近 25%）的樣本示例具有不正確的參考解決方案或前提有缺陷。因此，該研究更正了這些示例，并再次進行評估實驗，結果如下表所示：

在 GSM8k 和 MATH 基準上的評估結果表明，Inflection-2.5 在數學和編碼能力方面比 Inflection-1 有顯著改進：

為了進一步測試 Inflection-2.5 的編碼能力，該研究在 MBPP+ 和 HumanEval+ 兩個編碼基準上進行了評估實驗，結果如下表所示：

研究團隊在 HellaSwag 和 ARC-C、以及各種模型常識和科學基準上評估了 Inflection-2.5。從下圖結果來看，Inflection-2.5 在這些基準上實現了強勁性能。

此外，以上所有評估都是使用現在支持 Pi 的模型完成的。但也需要注意，由于網絡檢索（以上基準沒有使用網絡檢索）、few-shot 提示的結構以及其他生產方面的影響，用戶體驗可能略有差異。

總的來說，Inflection-2.5 保持了 Pi「走心」的特性和極高的安全標準，成為了一個更全面的有用模型。

最近一段時間，大語言模型的技術競爭進入了白熱化階段，在眾多科技公司中，Mistral AI（Mistral  Large）、Anthropic（Claude 3）脫穎而出，提出的新技術實現了與 GPT-4、Gemini Ultra 接近的能力。昨天出現的 Inflection-2.5，似乎也要加入第一梯隊的行列。

作為硅谷明星創業公司，Inflection AI 的來頭不小，它成立與 2022 年，三位聯合創始人分別是原 DeepMind 聯合創始人 Mustafa Suleyman、Linkedln 聯合創始人 Reid Hoffman，還有前 DeepMind 首席科學家 Karen Simonyan。

去年 6 月，Inflection AI 宣布獲得 13 億美元融資，由微軟、英偉達以及 Reid Hoffman、比爾?蓋茨、谷歌前 CEO 埃里克?施密特領投。目前，Inflection AI 已成為全球第四大生成式 AI 創業公司。