导语：在中文文书方面，通义千问的能力与 GPT-3.5 已不相上下，而在代码写作方面，通义千问则是大幅度的领先于文心一言。
通义千问的诞生背景
阿里巴巴（BABA.US）作为中国最大的电子商务平台之一，一直致力于利用人工智能技术提升用户体验和商业效率。
在大模型领域，阿里巴巴早在2019年就推出了PLUG，一种基于预训练语言模型的通用对话框架，这是阿里巴巴对于LLM（Large language model大语言模型）领域的首次尝试。
2021年11月，阿里达摩院宣布了M6大模型，一种基于10万亿参数的多模态大模型，一跃成为了全球最大的 AI 预训练模型。
根据阿里巴巴的描述，M6大模型已经在淘宝，支付宝，天猫等阿里巴巴旗下产业中应用落地并取得了卓越成效。
但M6模型至今仍未面向公众开放，非阿里系的厂商也罕有应用。直到2023年4月7日，阿里云推出了自研大模型“通义千问”，并面向企业以及邀请用户开放。
根据官网描述，“通义千问”是一个专门响应人类指令的语言大模型，它可以理解和回答各种领域的问题，包括常见的、复杂的甚至是少见的问题。
它不仅是一个效率助手，也是一个点子生成机，可以帮助用户完成各种任务，如写邮件、写文章、写脚本、写情书、写诗等。它还可以提供娱乐功能，如讲笑话、唱歌等。
在大预言模型大热的今天，通义千问自然是处于风口浪尖之上。
国内的各大公司都想在该领域分一杯羹，百度（BIDU.US）是第一个吃螃蟹的公司，其在2023年3月16日发布了“文心一言”系列的“多模态”模型（虽然我们现在知道其实它的图片生成能力其实是来源于另一个百度开发的模型）。而阿里巴巴选择了避其锋芒在四月发布全新针对聊天内容优化的通义千问。
由于阿里巴巴吸取了此前文心一言的惨淡场景，选择了仅对部分受邀媒体和企业开放服务。笔者成功拿到了此次的内测资格。
通义千问能力测试
对于非多模态的语言模型，主要可以从三个方面考量其能力：文字编排能力、Coding能力和逻辑能力。
为了进一步找到当前各大LLM之间的差距，本次还加入了GPT-4共同比较。
1.文书能力测试。
作为最基础的语言组织能力测试，我们先让几个竞品各自写一份请假条：
图一 通义千问的回答（▲点击查看大图）
图二ChatGPT的回答（▲点击查看大图）
图三GPT-4的回答（▲点击查看大图）
图四 文心一言的回答（▲点击查看大图）
面对基础的语言文字问题，四款AI工具都可以看似按照需求的完成任务，其中通义千问的语法和措辞最为接近国人的口吻。
再细看一下，文心一言给出的回答为：“我已经请假了两天，并且目前感觉已经有所好转。但是，我不想因为自己的身体问题而影响到工作，因此我希望能够请一周的病假。”
在我们并未给出任何多余的 prompt 的情况下给自己增加了情景，这也可以算LLM的“幻觉”通玻
再来看下一个问题：请续写《红楼梦》中林黛玉倒拔垂杨柳的故事。
四款 AI 都正确的给出了 AIGC 这一名词的概念，并且理解了用户的需求。由于通义千问给出的回答较长，本次要求他生成500字的文章。
其中 GPT-4 比较独特，它选择了分点式的总结内容，而其余的则选择了更常规的通稿类型。本次四个 AI 都能够较为出色的完成任务。
2.代码能力测评。
我们再来看到代码能力，在这一个环节，由于问题比较简单GPT系列都可以出色完成，因此不加入GPT系列参与对比。
先来个简单的：用 Python 实现冒泡排序。
文心一言在这个问题中表现得很可笑。文心一言直接选择了将斐波那契额数列硬编码进入了代码实现了O(1) 的时间复杂度，并没有完成我们需要的使用递归方法的需要。
通义千问的回答则是满足了问题的需求而且给出了详细的代码解析和输出结果。
在代码写作能力上来看，文心一言也不敌通义千问。上述几个问题选取的十分基础，但是文心一言仍然无法满足需求。
可能是因为百度的代码库的缺乏。得益于阿里长期深耕于云领域等，其本身积累了丰富的资源和人次，在代码写作方面显著强于文心一言。
测评总结
