崑崙萬維：“天工3.0”基座大模型與“天工SkyMusic”音樂大模型正式開啟公測

4月17日，在“天工”大模型一週年之際，崑崙萬維重磅宣佈，“天工3.0”基座大模型與“天工SkyMusic”音樂大模型正式開啟公測！一年前的今天，第一版天工大模型正式對外發佈上線，一年來崑崙萬維不斷迭代模型，迭代應用產品，模型和應用都越做越好，以此回報廣大用戶的支持。

“天工3.0”擁有4000億參數，超越了3140億參數的Grok-1。“天工3.0”在語義理解、邏輯推理、通用性、泛化性、不確定性知識、學習能力等領域擁有突破性的性能提升，數學/推理/代碼/文創能力提升超過30%。

天工3.0模型參數超越Grok-1

強大的模型技術實力賦予“天工3.0”超強的性能表現。在MMBench等多項權威多模態測評結果中，“天工3.0”超越GPT-4V。

天工3.0多模態性能超越GPT-4V

同時，“天工3.0”旗下的“天工SkyMusic”音樂大模型也在今日面向全社會開放公測。

天工SkyMusic綜合性能超越Suno V3，取得音樂大模型SOTA。

天工SkyMusic：成為全球AI音樂SOTA模型

此前，大模型已經在文本、圖像等多個技術領域取得突破，帶來產業全面變革。然而，在AI音樂生成領域，全球遲遲等不到一款產品，開啟“音樂ChatGPT時刻”。

這是因為一直以來，AI音樂行業大量研究都集中在符號音樂生成技術路線上，並且大多隻能實現無人聲背景音樂(Background Music，BGM)的生成，音樂的質量、效果、審美都遠遠達不到可用水平，產業遲遲未能爆發。

“天工SkyMusic”自研AI音樂大模型技術架構

與行業主流路徑不同，“天工SkyMusic”採用自研大模型音樂音頻生成技術路線。這一路線直接通過大模型技術實現樂器、人聲、旋律、音量、音符的一體化端到端音樂生成，技術難度極大，全球只有包括崑崙萬維在內的極少數頂尖玩家參與。

在與海外頂尖的AI音樂大模型Suno V3的橫向測評中，“天工SkyMusic”在人聲&BGM音質、人聲自然度、發音可懂度等領域顯著領先對手，並以6.65分的綜合得分超越Suno V3，成為全球AI音樂SOTA模型。

此外，“天工SkyMusic”還擁有獨創的參考音樂生成與方言歌曲生成能力。

參考音樂生成：用戶可上傳自有參考音樂，或選擇“天工SkyMusic”資料庫中現有的參考音樂，從而生成風格、唱腔類似的歌曲，進一步降低音樂大模型的使用門檻，讓不熟悉樂理知識的用戶也能輕鬆玩轉。

方言歌曲生成：“天工SkyMusic”生成的音樂不僅在人聲自然度、發聲可懂度等領域表現優秀，更能夠支持粵語、成都話、北京話等眾多方言，讓用戶能夠更自由地實現音樂表達，傳播方言文化。

同時，“天工SkyMusic”是首個公開可用的AI音樂生成模型。

當前，在文本大模型領域，OpenAI吸引了全球的注意力；但是在AI搜索、AI音樂生成等細分領域，中國玩家們正在奮勇前行，不斷通過自研技術取得細分領域頂尖的SOTA表現，共同建設中國大模型產業，打造自主可控的大模型產業生態。

天工3.0：採用4000億級參數MoE混合專家模型架構

在上一代“天工2.0”MoE大模型的領先基礎上，“天工3.0”實現了全面的性能升級，採用了4000億級參數MoE混合專家模型架構。

“天工3.0”的邏輯推理能力、語義理解能力、應對複雜需求能力、內容創作能力全面升級，並新增了多輪搜索與綜合工具調用、圖表繪製、研究模式、增強模式、改圖擴圖等多項AI能力，為用戶帶來全新AI體驗。

多輪搜索與綜合工具調用：“天工3.0”針對模型獨立規劃、調用、組合外部工具及整合信息的能力進行了專項訓練，使其能夠獨立生成並調用代碼，完成包括產業研究、產品橫評、信息分析、圖片生成、圖表繪製等多種複雜用戶需求。

同時，“天工3.0”能夠通過強大的語義理解能力將用戶任務拆解成細分環節，實時判斷是否需要聯網或調用工具，進行單輪或多輪的聯網搜索、工具調用，完成包括多輪搜索、熱點信息分析、圖片生成等複雜用戶需求。

Query：查詢最新中國曆史電影票房排行，圖表展示。

圖表繪製：“天工3.0”全面提高了邏輯推理能力與用戶自然語言Query的理解能力，使其能夠更精準地判斷用戶需求，獨立生成並調用代碼，結合文本需求實時進行內容分析及圖表構建，為用戶帶來更直觀、高效的對比結果。

Query：北京、上海、重慶哪個好玩？

多輪搜索、綜合工具調用、圖表繪製等都是“天工3.0”所獨有的大模型綜合能力，其從底層打通了“天工3.0”的AI搜索、AI對話、AI代碼生成、AI圖片識別、AI圖像生成等底層能力，通過語義識別能力直接觸發，為用戶帶來更加便捷、高效的AI體驗，成為真正的AI生產力工具。

此外，“天工3.0”中還增加了研究模式、增強模式、改圖擴圖等多項AI能力。

研究模式：在研究模式中，“天工3.0”能夠圍繞用戶的某個簡單指令進行相關問題的延伸，自動生成研究大綱、圖譜、實踐總結、思維導圖，幫助用戶快速清晰地把握核心內容，完成用戶複雜的研究需求。

增強模式：在增強模式中，“天工3.0”能夠針對用戶的複雜Query進行拆解、細化、並進行追問、信息理解與補全，使其在自然語義理解方面性能更強，面對不確定性知識時表現更好，能夠更精準、高效地滿足用戶需求。

Query：2024年春節檔電影；“天工3.0”理解並追問用戶需求。

改圖擴圖：“天工3.0”多模態性能取得全面突破，超越GPT-4V。在強大的技術底座支持下，“天工3.0”的AI繪圖能力新增了圖片尺寸擴展、圖片定向調整、墊圖生圖、墊圖進化、墊圖擴圖等全新功能。

“天工3.0”的AI改圖、修圖、擴圖等功能【編輯:劉陽禾】