稍微留意下近期的新闻，“赶超GPT-4”正在成为国产大模型的新热点。
百度文心一言、商汤日日新以及阿里云刚刚发布的通义千问2.5，均已迈入“全面赶超GPT-4”阵营。
把时间线稍微拉长一些的话，过去大半年时间里，“超越GPT-4”的消息可谓屡见不鲜，即使在报道中刻意加上了多项基准、部分指标等前缀，依然赚足了眼球，成为国产大模型佐证自身能力的有力指标。
简单做个复盘的话，国产大模型对GPT-4的追赶已经进行了400多天，其中“赶超进程”可以粗分为三个阶段。
第一阶段：部分性能超越GPT-4
2023年3月14日，OpenAI正式推出了GPT-4，彼时大多数国产大模型还未开放，少数内测大模型的比较对象还是GPT-3。作为业界标杆的GPT-4，就像是科幻照进了现实，被无数人捧上神坛。
但在短短半年后，GPT-4就出现在了国产大模型厂商的比较名单里。
2023年8月底，商汤科技对外公布了一则新进展：拥有1230亿个参数的“书生·浦语”，在全球51个知名评测集共计30万道问题集合上，测试成绩排名全球第二，并在综合考试agieval、知识问答commonsenseqa、阅读理解和推理的十项评测中位列第一，分数超过风头正盛的GPT-4。
2023年10月17日的“生成未来”发布会上，百度正式发布了文心大模型4.0版本，李彦宏在现场依次演示了大模型的理解、生成、逻辑和记忆四大核心能力的特点与应用场景。尽管没有给出评测数据，李彦宏却自信地表示：文心大模型4.0的综合水平，“与GPT-4相比毫不逊色”。
国产大模型赶超GPT-4的序幕正式拉开，此后一两个月里，不少大模型给了这样的营销口径：整体能力已经不输于GPT-3.5，并且在部分性能指标上开始超越GPT-4。
第二阶段：整体性能逼近GPT-4
时间来到2024年初，国内的“百模大战”进入收敛期，一些不被资本市场认可的大模型，渐渐成了一个数字，只有几家科技大厂和独角兽仍活跃在大模型一线。“活下来”的大模型，势必要在能力上证明自己。
综合性能逼近GPT-4，开始成为新的营销话术。
2024年1月中旬的智谱AI技术开放日上，正式发布了新一代基座大模型GLM-4。按照智谱AI官方的说法：在权威的英文测试榜单中，GLM-4已经整体逼近GPT-4，平均能达到GPT-4 90%以上的水平，在个别项目上表现持平；而在国内企业更加看重的中文任务上，GLM-4的表现全面超过GPT-4。
同样是在2024年1月，科大讯飞发布了星火认知大模型V3.5，在逻辑推理、语言理解、文本生成、数学答题、代码、多模态等核心能力均显著提升，其中语言理解、数学能力已经超过GPT-4 Turbo，代码能力达到GPT-4 Turbo 96%，多模态理解达到GPT-4V 91%。“在中文理解方面，甚至遥遥领先。”
回头来看，智谱AI和科大讯飞的营销策略还是有些“保守”，百川智能在同一时间段发布的Baichuan 3，对外表示已经在CMMLU、GAOKAO等中文评测中超越GPT-4。
第三阶段：全面赶超GPT-4 Turbo
2023年11月的OpenAI首届开发者大会，GPT-4 Turbo可以说整个活动的焦点，不仅比GPT-4更聪明，文本处理的上限更高，推理的速度更快，价格也更便宜，国产大模型随即迎来了新的比较对象。
先是2024年4月份发布的日日新5.0，拥有6000亿参数，并在发布会上引用了OpenCompass的评测数据：日日新5.0达到或超越了GPT-4 Turbo版本，几乎全方位碾压了同期发布的 Llama 3-70B。
再然后就是阿里云刚刚发布的通义千问2.5，根据媒体报道中的说法：模型性能全面赶超GPT-4-Turbo，成为“地表最强”中文大模型；通义千问1100亿参数开源模型在多个基准测评收获最佳成绩，超越Meta的Llama-3-70B，成为开源领域最强大模型。
可以笃定的是，日日新5.0和通义千问2.5只是个开始，后续将有更多国产大模型在能力上超越GPT-4-Turbo。
毕竟科大讯飞早已预热了上半年发布星火认知大模型V4.0的消息，将全面对标GPT-4系列；文心一言4.0的发布已经超过半年，不排除新版本正在准备中，且大概率会在性能上再上一个台阶……
“跑分”的意义在哪里？
不管是一开始的“部分性能超越”，还是现在进行中的“全面赶超”，依据都是第三方评测结果，或者说大模型厂商的主观判断。比如商汤和阿里云争相引用的OpenCompass，就是上海人工智能实验室开源的大模型评测平台。
对于一些大模型沉迷于刷榜、跑分的现象，上海人工智能实验室领军科学家林达华教授曾在媒体采访中直言：通过题海战术提高大模型成绩，对于模型实际能力的反应是失真的，影响了模型研发团队的改进方向和模型的商业落地，“高分低能”伤害的是机构本身；榜单上任何具体的名字只是大模型成长过程中无数次测试中的一次，一时的排名高低并不真正反映模型的能力。
何况很多大模型测试集为了公开透明，测试题目或者提纲都是公开的，大模型厂商不难通过“针对性的训练”来提高分数。只要将足够的的测试题喂给大模型，在开卷考试的机制下，分数总不会太低。
也就是说，分数高并不一定代表大模型的能力强。“跑分”的意义仅仅是让客户或开发者对大模型能力有一个初步的认识，最终的评估因素永远是“能不能解决问题”，“能不能在场景中带来实实在在的生产力”。
特别是在大模型走向落地应用的趋势下，一味炒作“超越GPT-4”、“跑分第一”，妄顾落地应用的实效，可能会适得其反。以大模型应用中比较常见的财报分析为例，如果大模型连一家企业的财报都看不懂，再高的计算分数也不会让客户信服，反而会被排除在合作名单外。
而参考中信证券等机构的研究报告，目前OpenAI的GPT-5正处于红队测试阶段，有望在今年夏天正式发布，可能在多模态理解、长文本输入、zero-shot学习等方面实现重大突破，且性能将远超GPT-4。即使国产大模型花费400多天追平了GPT-4，在相当长一段时间里，仍将处于追赶的姿态。
大模型的价值是解决日常问题的生产力工具，赶超GPT-4的阶段性升级，可以看作是国产大模型有序迭代部署、不断拉近差距的标志，切莫像手机跑分那样，在过度营销的作用下，沦为被群嘲的对象。
申请创业报道，分享创业好点子。点击此处，共同探讨创业新机遇！
文|智能相对论作者|沈浪知名科学杂志《Nature》发表了一篇关于大模型规模参数大小争议的文章《InAl,isbiggeralwaysbetter?》——AI大模型，越大越好吗？随着大模型应用走向实践，这一问题不可避免地成为了当前AI行业发展的焦点与争议。有人认为，大模型当然是越大越好，参数越大，性
大模型热潮涌动了一年多后，越来越多人平复了激动的情绪，开始从客观的视角重新思考大模型的价值和机会。红杉资本在AlAscent2024的开场演讲中提到，大模型的创造能力和推理能力，第一次实现了以类似人类的方式进行交互，将支撑起数十万亿美元的市场。然而和AGI的遥远梦想相比，大模型的创业者们却不得不正视
关注卢松松，会经常给你分享一些我的经验和观点。昨晚，李彦宏内部讲话称：AI大模型开源意义不大，百度绝不抢开发者饭碗。但你一定要说话算话哦，可千万别说：“我永远不做手机，谁再敢提做手机就给我走人”，结果5年后自己的手机销量排名第一。如果百度也这么干的话估计AI也没人用了。李彦宏认为：从商业模式的角度来
近日，科技巨头360公司宣布，其全新AI员工“红衣”正式入职事业部，标志着公司向智能化、自动化方向迈出了坚实的一步。据悉，“红衣”由360安全大模型支持，具备高度智能化和自主学习能力，能够在多个领域提供高效、精准的服务。“红衣”是首位正式入职的数字安全专家，由360安全大模型支持，在安全运营工作中，
四个月前邀请码炒至10万元，如今官网变灰、社交账号清空，这家AI新贵的闪电迁移折射中国科技企业出海潮涌。7月11日，打开Manus官网的用户发现一则突兀提示：“Manus在你所在的地区不可用”。而就在不久前，这个位置还显示着“Manus中文版本正在开发中”的乐观声明。同时，Manus官方微博和小红书
文/十界来源/节点财经一场围绕算力自主的竞赛，正在科创板上演。近日，国产全功能GPU厂商摩尔线程递交科创板招股书，拟募资约80亿人民币，成为今年上半年科创板拟募资规模最大的冲刺者，也打响了“国产英伟达”上市的第一枪。据招股书显示，摩尔线程自2020年成立以来，主营全功能GPU芯片的研发与销售，以自主
“AI大模型六小虎”百川智能危机重重。这是前搜狗CEO王小川创办的AI公司。昨天就爆出新闻，百川智能的联合创始人离职，这是王小川入局AI的第一道大坎。接下的成败非常关键：(1)拿下河北(2)学习科大讯飞百川智能离职高端概览：(1)2025年7月10日，百川智能技术联合创始人谢剑将离职。他是百川只能的
百度AI团队今日正式推出PaddleOCR3.1版本，以突破性的多语言组合识别（MultilingualCompositionPerception,MCP）技术为核心，彻底重构复杂文档处理边界。此次升级标志着OCR领域首次实现对同一文档内任意混合语言文本的精准识别，为全球化企业、跨境业务及多元文化场
“宇树已形成硬件、算法、场景联动的业务飞轮，自研率超95%的技术壁垒让其成为全球机器人赛道不可忽视的中国力量。”首程资本管理合伙人朱方文在追加投资时如是评价。7月7日，据每日经济新闻从宇树科技投资方处获悉，国内人形机器人领军企业宇树科技（UnitreeRobotics）已明确计划于科创板IPO，预计
推理与多模态的终极融合，将彻底终结用户在不同模型间切换的烦恼。7月7日，OpenAI正式确认将在今年夏季推出新一代人工智能模型GPT-5。这一突破性产品将整合现有的多个强大模型，特别是融合专注推理能力的“O系列”与具备多模态功能的“GPT系列”，为用户提供前所未有的统一体验。OpenAI开发者体验负
高考一结束，忙坏了海内外一众大模型。豆包、DeepSeek、ChatGPT、元宝、文心一言、通义千问……掀起了一波“AI赶考”大战。据悉，去年高考期间，大模型的成绩才勉强过一本线，今年集体晋升985。据悉，豆包甚至过了清北的录取线。头部大模型在高考“考场”上玩得不亦乐乎，中小AI创企的处境却日益尴尬
文/二风来源/节点财经每年高考成绩放榜后，数千万考生和家长将迎来另一场硬仗——填报志愿。今年，这一领域迎来了AI的全面介入，多家互联网大厂和教育公司纷纷推出智能志愿填报产品，为考生提供院校和专业选择建议。据艾媒咨询数据，2023年中国高考志愿填报市场付费规模约9.5亿元，近九成考生愿意借助志愿填报服
苹果还没从WWDC25的“群嘲”中走出，又迎来了一次新的痛击。据路透社报道，21日，苹果公司遭到股东集体起诉，被指在信息披露中低估了将先进生成式AI整合进语音助手Siri所需的时间，导致iPhone销量受影响、股价下滑，构成证券欺诈。在这份诉讼中，库克、首席财务官凯文·帕雷克及前首席财务官卢卡·马埃
华为的盘古大模型终于推出新版本了。6月20日华为云计算CEO张平安宣布基于CloudMatrix384超节点的新一代昇腾AI云服务全面上线，盘古大模型5.5同步发布。不过，当前国内的AI大模型竞争可谓是相当激烈，华为的盘古大模型在众多大模型中并不是十分出众。华为云此次重磅推出的盘古大模型5.5能否从
