就在最近，國產大模型Kimi再次引爆輿論。3月18日，月之暗面宣佈其對話式AI助手產品Kimi智能助手現已支持200萬字的無損上下文輸入。這個差異化的“長文本處理”的免費大模型，一下子就火出圈。這意味著什麼？以往需要一個新手投入10000小時才能成為某領域的專傢標準，現在你隻需10分鐘的時間向Kimi提供相關資料，其便可以達到一個全新領域的初級專傢水平。
免費+好用，Kimi的服務器瞬間就被擠宕機，官方緊急擴容五次，才算是恢復正常。
（現在我還在內測排隊中）
自2024年開始，各傢的大模型開啟又一輪的發佈與迭代，AI大模型以十分迅猛的速度，瘋狂地刷新著人們的認知，從sora再到kimi，改變可謂是翻天覆地。
在感嘆AI發展日新月異之餘，我們也在積極地尋找利用AI的機會。實際上，大部分人對於大模型各種標準測試排名並不關心。哪一款AI能夠低門檻靈活使用，解決眼前實際的問題，帶來效率上的切實提升才是重點。
（大模型的排行榜）
那麼問題來：哪一款大模型，是現階段比較好用的呢？
本著“能用、好用、性價比高”的評價原則，我們這次找來當下最熱門的五款大模型，並且開通付費最高等級的模型，模擬工作生活中的場景進行一次“非專業性測試”，看看哪一款是現階段我們用著稱心的“AI好幫手”！
參與評測的大模型有：大模型老大ChatGPT4、Google的Gemini Pro、OpenAI的叛忍Claude 3 Opus、突然爆火的Kimi、以及馬斯克的grok 1：
多圖、長圖預警！
正式測試開始↓
數學/邏輯測試
我們先從一般的數學和邏輯測試開始。我找一些數學和邏輯類型的問題來提問，想看看大模型們的數學能力孰強孰弱。
我找一系列問題來分別測試它們的運算能力。
先是ChatGPT 4，ChatGPT4完全體現大模型運用現代工具的能力，它先是簡單地說下該如何解題。
對於後面難一些的奧數題，它直接開始調用函數程序開始計算，像極口算不行改拿計算器的我。
而在它調用函數的過程中，中間不知道是網絡的原因還是算法的問題，還出現“算錯”的情況。
最後ChatGPT4總結所有的答案。
然後是Gemini Pro，Google的Gemini Pro很快就給出答案。
Claude 3 Opus也是同樣，思考的速度比Gemini Pro稍微慢點，但也十分言簡意賅。
grok 1的答案感覺也是使用計算器，但是你的答案好像和上面的不一樣啊！
最後是國產大模型Kimi，第四題和第五題它以“沒有確切的條件”為由拒絕回答。
幻覺測試
因為生成式大模型經常會出現幻覺現象（Illusion Phenomenon in Large Models），簡單來說就是“一本正經地胡說八道”。
針對這個情況，我準備一系列邏輯欠缺、常識不對或者有明顯誤導性的問題，看看大模型能否準確識別。
首先是ChatGPT 4，它的回答先是說這些問題“富有寓意性”，然後它在很認真地糾正我問題中常識性的錯誤，還給我科普一些知識，但是它空兩個題沒有回答。
Claude 3 Opus的回答則讓我十分驚訝，它先是說這些問題是“無意義的”或不可能回答的，然後嘲諷我這些是“偽科學”，說這些荒謬的問題不可能實現。
Claude 3 Opus語氣嚴謹而堅定，一本正經說教的樣子仿佛引導弱智一般。
隨後是Gemini Pro，它逐條對我的腦殘問題進行駁斥，沒有任何個人色彩。
然後是老馬傢的grok1，本來興致滿滿地期待，結果第一次就給我出個大岔子。
我們先不提黃河的這個“彩虹屁”……最後怎麼還復讀上？
再來一次之後，總算是正常。
相比較而言，Kimi的回答還是很詳細地一遍就過，表現還是很不錯的。
長文本總結測試
因為grok1並沒有上傳文件的按鈕，所以缺席這次測試。我找六篇關於AI終端的報道和論文，輸入進去並讓大模型進行總結並分析。
首先是ChatGPT4，它給出的結論對這幾個文章進行有效地總結與歸納，不過內容明顯浮於表面。
接下來是Claude 3 Opus，它的文案總結十分詳細，還分條縷析地給出每個小點的內容，包括AI終端所面臨的挑戰，完全可以做一個文章大綱。
發揮出乎意料的是Gemini Pro，一開始的文案總結還算正常。
但是到最後，文案的總結就好像跑偏到專業領域，讓人看不懂重點在哪裡。
Kimi的答案很長很詳細，但沒有Claude 3 Opus涵蓋的要點齊全，屬於和ChatGPT4同級別的回答表現。
創作能力測試
在創作能力的測試中，我們采用這幾年大熱的“賽博朋克”為題創作小說故事，看看在沒有更加詳細的要求下，各個大模型的創作水平是否能達到令人滿意的程度。
首先是ChatGPT4，它的回答更像是一個自傳電影的大綱，並沒有多少吸引人的轉折。
不過ChatGPT4所自帶DALLE·3的文生圖程序，表現還是很不錯的。
這是水墨畫的小貓：
這是秦王和他的柱子：
Claude 3 Opus的回答應該是本輪測試中最為出色的一個，不但有亮眼的遞進和轉折，還能結合歷史事件進行改編。
Gemini Pro雖然也很好，但是創作的故事，未免太過於政治正確一些……
（AI編故事也要政治正確嗎？）
好好好，不得不說，這真的很美國。
為達到最佳的效果，我將grok1的回答模式從“常規”改成“趣味”，但是它的回答並不怎麼有趣。
Kimi的回答也是很官方。
看來在文藝創作方面，各傢的大模型在現階段，還是無法自主生成可立即使用的創意內容。
從網上獲取信息能力測試
最後，我們以“全球氣候變化”為題，來看看大模型聯網獲取信息並篩選處理的能力。
ChatGPT4的表現很穩定，它的優點將引用的鏈接在後面標註好，不好的點在於，引用信息可能有些過時。
其他幾傢的搜索結果也都是大差不差。這是Claude 3 Opus的回答，好像並沒有太多的最新的網絡資料援引。
Gemini Pro的回答也隻是援引《巴黎協定》的資料。
Grok1的回答更為簡單。
表現最好的是Kimi，不但將所有的援引資料鏈接清楚標明，回答也是最為全面的。
大模型綜合評價
經過一系列的測試，我們也對於各傢最新的大模型能力有一個初步的認識。那麼哪款大模型是現階段最適合我們使用的呢？
從易獲取性/易用性上來說，Kimi獲得第一名當之無愧，國產大模型無需多餘的科學上網操作，即開即用，也難怪它異常火爆。而其他大模型想要體驗都要費一些周折，例如grok1，目前隻有兩種方法可以使用——在X（Twitter）上開通會員+服務，或者下載開源模型在自傢電腦上做推理計算，需要註意的是，你傢電腦的配置需要包含至少8塊英偉達H200。
這還算能夠正常使用的，有些模型還會對中國用戶有些區別對待。
（這個界面，並不是國內的所有人都能見到）
而從大模型的性價比來說，Kimi以免費使用一騎絕塵，其次是Gemini普通版，其他都有不同程度的使用收費，費用由低到高分別是grok1，ChatGPT4跟Claude 3 Opus相等。
而在大模型能力上，每個大模型都有其獨特的優勢。
ChatGPT 4：中英文都可以做到很好的語義理解和完成度，內置DALLE-3，可以完成文生圖的工作。就像班級裡不偏科的優等生，標準的六邊形戰士。
（ChatGPT4擬人化）
Gemini Pro：測試的各方面都很出色，而且還有檢驗回答正確與否的“搜索功能”。不過在創作領域或許有著濃重的地域特色，像是班級裡轉學過來的外國學霸。
（Gemini Pro擬人化）
Claude 3 Opus：雖然收費最高，卻是測試表現最好的大模型，各項測試都比較出色，沒有出現翻車的跡象，語氣沉穩且嚴謹，就像班級裡不用學習就能考得很好的學神。
（Claude 3 Opus擬人化）
Grok 1：你可以打開趣味模式讓它講關於馬斯克的笑話，或者收集最新的Twitter新聞，這些都是它的強項。不過目前沒有文件上傳和其他文生圖等擴展功能，是Grok的硬傷，就像班級裡偏科的中等生，說話很有趣但成績沒有前面的人好。
（Grok1擬人化）
Kimi：國產大模型出圈的代表，以免費、好使用吸引一大波用戶。在測試之後發現Kimi很好用，尤其是在網絡搜索資料總結和長文本總結方面十分出色，就像一個細心且消息靈通的課代表一樣，所有的書本知識和網絡知識她都明白，並能給你悉心指導。
（Kimi擬人化）
成為最會用大模型的人
雖然每傢都在鼓吹自傢的大模型，但是實際評測下來後，還是有很多意想不到的問題出現。比起高大上的測試，我們在實際使用中需要大模型反復生成多次，才能得到想要的結果。
所以，以目前的AI智能程度來說，並不會出現想象中AI完全取代人類顛覆生產生活的程度。
並且，大模型的使用其實和人本身的知識水平，創造力、想象力有很大的關系。如果你並沒有具體的想法，你想要讓大模型隨便說點什麼（say something），可能大模型隻會給你回復一個——
huh？（啊？）
雖然發展速度很快，但是從AI到AGI（通用人工智能）還有一段很長的路要走。
不過這同時也意味著，人沒有那麼快被大模型取代，現階段把大模型充分地用起來，它會是一個效率很高並且在持續變強的參謀，一個很好的助手。