在差评君这篇文章发布之前，我们另一个账号“ 知危 ”已经对其做了很多常规测试，感兴趣的差友们可以去那篇文章看一眼。

这里呢，咱再给上几道不一样的题目。。。

语义理解方面，我们直接上难度，做一下高考级别的诗词鉴赏，选用的是差评君很喜欢的《 忆秦娥·娄山关 》。

通义千问，写了一大堆，但最终没能写完整个代码，我们尝试让它继续也没能成功。文心一言的结果也差不了太多，就实现了个按钮。。但是 ChatGPT 非常优雅地实现了这个功能。

看来国内的不管是通义还是文心，在代码这块都远远逊色于 ChatGPT。

测完了代码我们又尝试测了一下 3 个AI 的数学能力，用的还是经典问题“ 青蛙跳井 ”。

通义千问很好地明白了我们的意思，而且还和我们科普了下“ 语码转换 ”或“ 语码隐喻 ”。

ChatGPT 也比较轻松就掌握了这种规律，而且它甚至还试图从“ 925 ”和“ 2359 ”两个数字里找出我们这么标注的原因。

而文心一言就很干脆地摆烂，“ 没学过，我不会 ”。

为了进一步检测通义千问和 ChatGPT 有没有真搞懂这个标注方法，我们让它俩按照学到的逻辑，给“ 差评君天天上班浑水摸鱼 ”打标记，顺便再造一个类似的句子。

通义千问和 ChatGPT 依旧很好地完成了这个任务。

我们猜测，通义千问可能是将大模型内部数据的权重，有意地设为高于用户使用时的调教，虽然看起来会显得大模型很笨，但在很多场景下，可以避免大量伦理道德方面的问题。

所以总的看起来，阿里巴巴的通义千问效果还不错，基本上能和文心打的有来有回，偶尔还能超过 GPT-3.5，算是没给阿里丢面子。

但就像其它 GPT 们在初版时都有不少小毛病类似，我们在用通义千问时也发现了一些其它小问题。

目前影响使用的主要是两点：第一个就是通义千问理解错问题的概率比另外两家大。比如“ 张三差点没上上上上海的车 ”这题。

当时有两位编辑部同事都测了，我们给的是其中一位直接就明白了的版本，可另一位同事测试时，始终理解成翻译这句话，怎么掰都掰不回来。

但你以为这就完了？AI 界的比赛不允许有平局，差评君分不出高低还不会请“ 人 ”当裁判吗？

这题是让小通和小文用三门外语分别描述一天的生活。

小通的回答得到了大 G 相当高的评价：语法准确、风格简洁、没有明显的错误，很不错。

而小文由于只给了英语版本的回答，直接就被大 G 判了个离题，其它几方面的评价也稍微落后点小通。

这个题目本来是“ 用诗歌形式描述一幅名画 ”，我们直接帮两个考生框定了考试范围：蒙娜丽莎的微笑。

大 G 认为小通的创造力、审美力和艺术欣赏方面都还不错，就是文字过于平淡，需要更丰富的词汇和修辞手法来增强诗歌的表现力。

而大 G 认为小文的诗歌水平相当不错，很好地表现出自己对蒙娜丽莎的深刻理解和欣赏。

最终，9 轮战罢，小通和小文得分几乎不相上下。

说实在的，虽然在经过了几波 GPT 们的冲击，这次通义千问还是给我带来了不少惊喜的。

而且，我们简单用了一段时间后也发现，目前通义千问的潜力显然没有被挖掘完全。

在很多没有展示的测试里，通义千问在第一次回答里是错误的，可如果你多尝试生成两次，就能奇妙地发现它是能回答正确的。

我们猜测这是它的权重并没有被调教好，而在关于正确答案的赋权上，是个非常快速就能迭代更新的，一旦不断迭代量变，很快就能引起质变。

所以等后期通义千问开放使用后，大家一定不要吝啬点赞反对，这能帮助 GPT 们更快地进化，更好地服务大众。

而在 AI 大模型的落地上，阿里似乎有种后发先至的势头。

不少差友们可能已经看到了，前几天，我们已经评测过通义千问轻量版在天猫精灵上的演示应用，虽然是一个定制化轻量版，但可能是因为多了联网，两者使用起来几乎一样。

更强的是例如我让它推荐杭州的美食，它不仅和我认真地聊了起来，甚至还真的想要帮我去订一个外卖。。。

这么看起来，我几乎已经能看见通义千问重塑我们生活的样子了。

这两天，通义千问背后的负责人，阿里云智能CTO周靖人接受采访时说，通义千问模型只是“ 一个中间态 ”，“ 不是起点也不是终点，是个既定路线上的节点。”

这想象空间就太大了。假如再把格局打开一点，AI 借助像水电一样的云计算，会不会把我们想到想不到的行业，都重新升级一遍呢？

这么看来，前段时间我们聊过的组织架构大调整，现在想想，怕不就是为了云服务和 AI 布局？

站在这个历史性的时刻上，虽然我看不清未来到底是什么样子，但我很期待它的到来。