國產大模型首超GPT-4o，李開複：中美頂尖模型的時間差只有五個月
預訓練成本太高，一些公司快要扛不住了；內捲得越來越厲害，各家廠商都是賠錢賺吆喝……
在最近國內大模型行業暗流湧動的時候，零一萬物發佈了全新 SOTA 旗艦模型亮相，中國大模型中首度超越 GPT-4o，正面闢謠瘋傳的流言：絕不放棄預訓練，而且做得又快又好。
關注 AI 第一新媒體，率先獲取 AI 前沿資訊和洞察
超越 GPT-4o，追平 Grok，國內大模型的第一次
在對大模型的測評中，LMSYS Org 發佈的 Chatbot Arena，以「盲測」機制著稱，是最能反映用戶體驗的測評標準之一。這一次，零一萬物的 Yi-Lightning，排名世界第六，中國第一，穩居世界第一梯隊大模型公司之列。
其中，在中文子榜單上，Yi-Lightning 超越了 xAI 發佈的 Grok-2-08-13、智譜發佈的 GLM-4-Plus 等國內外優質模型，與 o1-mini 等模型並列排名世界第二。
在零一萬物召開的線上發佈會中，李開複展示了一段不同模型對莎士比亞作品《李爾王》的翻譯。Yi-Lightning 在結合上下文、轉譯微妙的語義方面格外突出，展現了出色的中英互通能力。
而這些，恰恰與之前的風傳相反：預訓練功不可沒。
上週國內的大模型行業傳出風聲：國內部分模型公司，打算放棄成本高昂的預訓練，不再和國外大廠硬拚——零一萬物是被猜測是其中打算放棄的公司之一。
「這個事情我們就正式闢謠，這個理解是錯誤的。」李開複在發佈會上說。
他表示，GPT 新發佈 o1 之後，的確帶來了新靈感，「一年半以前大家覺得大模型最厲害的地方就是預訓練，一年以後發現 Post train 也是同樣重要，這感謝 OpenAI 點醒我們這一點。」
不過，後訓練的重要性變高，不代表要徹底放棄預訓練。
在 Yi-Lightning 的訓練過程中，採用 Mixture of Experts（MoE）混合專家模型架構，同時改進了單階段訓練，使用了多階段的訓練模式，並且採用了混合注意力機制（Hybrid Attention）。在保持模型性能接近最優的同時，儘可能減少激活參數的數量以降低訓推成本，提高推理速度。
「中國的六家大模型公司，只要有夠好的人才，想做預訓練的決心，融資額跟芯片都不會是問題的。」李開複說。
「很多人問中國的預訓練是否落後美國？我們也坦誠中國是落後美國，但有人說落後十年、二十年，今天我們可以用非常精確的數字來算：GPT4o 在 5 月做出來的模型，我們在 10 月的今天已經把它打敗了。如果真的算中國趕超美國有多遠的距離，至少，零一萬物離 OpenAI 的模型，只差五個月。」
在低價面前，一定是對性能的保證
看得出來，在對於模型訓練的規劃上，零一萬物仍然在「模基共建」的戰略路徑上穩定前進。有所變化的，是對商業化的理解。
自從五個月前發佈千億參數模型 Yi-Large 之後，零一萬物相繼和阿里雲、360、順豐科技、飛書、釘釘、鈦動科技等頭部企業達成合作，toB 的路子越走越寬。
「SaaS 在國內，還是一直有很大的問題。」李開複解釋道，SaaS 自身有很多不同的模式，比如計量，比如訂閱，比如分成，都很可持續，但在國內並沒有一個普遍被接受的 SaaS 模式。
「首要任務就是要尋找少數能夠按使用情況收費的方法，而不是項目定製的方法，能得到比較高利潤率的訂單再去做。」李開複說。
零一萬物對 toB 和 toC 的業務，有了更明確的側重。針對國內的環境，比如明顯遙遙領先的零售、電商行業，這次推出了「AI 2.0」數字人，提供了動作訓練、表情生成等能力，並配備 AI 2.0 門店短影片解決方案。
而 toC 的探索則主要放在國外，「我們嘗試了一些產品，有些表現很好，有些沒有那麼好。在國內，也在觀察什麼時候適合在國內做什麼樣的產品。」
這是考慮到國內的用戶獲取的流量成本，已經被一卷再捲得很高，且無法控制流失率。相比之下，獲客成本較低而且營利方式更多元成熟。「現在當下最大的理由還是說國外做 to C 的產品，我們變現能力和消耗用戶增長的成本算賬可以算得過來，以後再關注國內有什麼機會可以推出。」
當然，無論是 toB 還是 toC，對於模型的追求都是一以貫之的：性能越強越好，價格越低越好。
目前 Yi-Lightning 已上線 Yi 大模型開放平台，每百萬 token 僅需 0.99 元，直逼行業最低價，讓人不禁要問，零一萬物也來卷價格戰了？
「我們還是有利潤空間，所以歡迎大家使用，不用擔心我們被你用垮了。」李開複解釋道，0.99/百萬 token 的價格看似捲起來了，但實際應用中，調用量累積下來還是很大，因此需要把價格平衡在一個適當的區間，「不會賠錢賣模型，但也不會賺很多錢，而是在成本線上加一點點小小的利潤」，以保證開發者能在用上優秀模型的前提下，再去挑最便宜的。
放眼望去，中國大模型產業進入到了「耐力賽」階段，如何讓大模型賦能千行百業，提升企業新質生產力是一個重要的命題。
這不僅將牽涉到大模型在各個具體行業里的未來發展方向，甚至會影響世界的創新版圖。
