第二百二十六章 幽灵设备 (第3/3页)
幕上出现一张综合数据。
数学、代码、多语言理解、长上下文、逻辑推理、知识问答、意图理解。
每一项都有分数、排名和对标模型。
“如果只看通用能力，坤元1.0目前落后于GPT最新一代旗舰模型，但差距已经不大。”林绍峰说道，“和Gemini、水星的最新版本相比，我们在部分项目上互有胜负；尤其在中文任务、企业场景、复杂指令遵循这几个维度，坤元的表现非常突出。”
随后他切到下一页。
这一页的标题是：中文意图理解专项评测。
屏幕上是一组更夸张的数据。
坤元1.0在中文复杂需求理解、隐含条件识别、业务流程补全、用户真实意图判断这些项目上，全面高于所有对标模型；而且不是小幅领先，而是跨越式的高。
断层碾压。
会议室里响起低声讨论。
大部分人都知道这个结果意味着什么。
大模型研究在国内是后发。如果能做出第一个在单项领域全世界登顶的大模型，对鼎盛的行业地位都有重大意义。
林绍峰紧接着讲了具体测评标准，包括公开测试集、内部自建题库、第三方公开任务集，以及企业真实场景脱敏数据。
“国产大模型最大的问题，是大家做得比较像。真正落到业务场景里，经常听不懂人话。用户说一句“帮我弄一下这个”，模型不知道“这个”是什么；用户说“老板要看”，模型不知道重点该放在风险、结果还是汇报口径上。”
会议室里不少业务线负责人都点了点头，他们对此深有体会。
大部分大模型演示时看起来很强，真正接入业务系统，却像个刚毕业的实习生。
做业务的能力比写代码的能力差多了。
这也不怪大模型：代码本身可验证，对就是对，错就是错；做业务可不是这样，模糊的地方很多。
到了问答环节，市场部负责人先站出来说话。
他知道今天会议的目的，就是给坤元的发布定计划。
刚才林绍峰展示的数据很好看，拿出去说是一回事，但真有几分斤两，不好说。
他得先弄清坤元的真实水平，才好制定相应计划。
“林总，这个成绩很惊人。我不是不信任测评，但咱们能不能搞个演示，看看真实场景的效果？”
市场部负责人这句话一问出来，吕云的目光便转了过来。