百川智能首款AI助手大秀神操作！Baichuan 4强势升级登顶国内第一

【导读】 时隔4个月，百川智能的基座大模型又双叒升级了！新一代Baichuan 4出世直接登顶国内第一。不仅如此，首款最懂搜索、会提问的AI助手「百小应」正式杀入移动APP战场。

近半个月，国外科技大厂们连番轰炸，GPT-4o、Project Astra、Copilot+ PC的诞生让人目不暇接。

而国内大模型这边也是毫不示弱，不断地推陈出新、迭代升级。

就在今天，历时4个月打磨，百川智能发布了新一代基座大模型Baichuan 4。

不仅如此，他们还带着自家首款AI助手「百小应」杀入移动APP战场。

试玩地址：ying.ai

与吊人胃口的OpenAI不同，iOS和安卓版应用程序今天一并推出，并且免费使用。

毋庸置疑，「百小应」已经用上了升级后Baichuan 4基座大模型的能力，与其他的AI助手一样，读文件、获取最新信息、整理资料、辅助创作等各种问题，「百小应」通通可以解决。

但与众不同的是，「百小应」将Baichuan 4的能力与其天然的搜索技术优势进行了深度融合。

它不仅具备多轮搜索的能力，甚至还可以定向搜索，可以被看作是最懂搜索的AI助手。

说这么多，不如来一波深度体验。

懂搜索、会提问的AI「伙伴」

在试用过程中，小编深深地体会到，「百小应」绝不仅是连接信息的工具，而是真正成为了一个提供知识和服务的AI助手，甚至有了一点伙伴的味道。

百小应的名称源自「一呼百应」

多轮搜索

在以往的搜索产品中，我们通常只会得到一个搜索结果。推一步才能走一步，非常被动。

但百小应不同，在得到搜索结果后，它还会结合用户的问题开启「自我反思」。

比如，它会自主判断当前提供的资料是否足够详实，从而来自主决策，是否需要进行更多轮次的搜索。

当我们问「含能材料的行业前景」，它就自己去进行了2轮搜索，然后给出了高度概括的介绍。

再问一个问题：中美两国在大模型行业的差距，究竟有多大？

百小应同样自动完成了2轮搜索，在技术积累、算力支持、产业应用、创新生态等方面，给出了客观中肯的分析。

可以看出，如果遇到市场调研、产业分析这类复杂场景，多轮搜索就能发挥最大的效力，更有效地获取更专业、更有深度的信息。

而在搜索结果的呈现上也可以看出，百小应相比其他搜索产品的独特之处。

它不是简单的总结网页信息，而是会将搜索结果嵌入回答中，成为回答的支撑或者创作的一部分，这样我们就有了参考资料来源，不必担心结果是无本之木、无源之水了。

除此之外，百小应在结果的结构化上，也做得非常优秀。

作为市场研究，上面这份输出的格式很标准，可以为行业分析、调研工作提供强大的助力。

定向搜索

很多时候，我们需要精准定位问题领域，直接访问权威站点。

百小应的「定向搜索」，此时就显示出了强大的功能。

我们可以直接问它：人机交互领域有哪些经典著作和最新研究成果？

通过2轮搜索，它精准地找到了知乎上的参考资料，详细给出了领域内的经典著作和最新论文。

从它给出的论文链接中，我们直接就可以查阅arXiv上对应的论文。

相比之下，其他智能助手仅仅是针对搜索结果做了大致的总结。

下面，我们试着让百小应在arXiv上找出关于RAG的最新研究成果。

果然，它会选择直接访问arXiv，让我们更高效地链接到想要的结果，不必在多余的繁杂信息中浪费时间。

会提问

一次流利的搜索体验，是由产品和用户共同完成的。

一方面，模型需要掌握专业的搜索技能，懂得什么是搜索；而另一方面，用户也必须会表达，才能真正通过AI来寻找到自己想要的信息。

虽然以上是最理想的情况，然而现实中，表达清楚自身需求，对很多用户是个困难的事儿，或者说懒得费那个脑子。

这种情况下，就需要让模型来引导用户「表达」了。

遇到引擎盖打不开的情况，可以直接问百小应。

不过这个问题的答案，取决于车辆的品牌、型号、出厂年份。一般人去提问，应该是不太可能一开始就提问得这么周全的。

不用担心，百小应会通过提问来指导你。

在它的引导下，我们给出了车型的关键信息：比亚迪元。

这下百小应给出的信息，就更精准了，在提问了我们所在地区这个信息之后，它甚至给出了北京4S店的联系方式和地址。

想要策划一场浪漫的草坪婚礼，不如让「百小应」当你的婚礼的私人订制策划师。

这时，「百小应」并没有根据笼统的问题，一通乱答，而是继续引导我们给出明确的细节。

「为了更好地帮您规划，我需要了解包括预算，参加人数等一些额外的信息」。

在提供了预算20万左右，50人参加的信息之后，「百小应」立即给出了非常细致的定制方案。

从场地选择推荐、婚礼布置装饰、婚宴餐饮，再到音乐草坪游戏，摄影录像，都为你一并规划好了。

更惊喜的是，它最后还贴心地为我们做了所有的预算分配。

再来看一个演示，当你想要写一个「天津之眼」的种草文案，「百小应」同样先去提问，了解真正需求。

- 您希望这篇文案吸引读者哪类读者？（诸如旅游爱好者、情侣推荐，还是家庭旅游）

- 您希望通过这篇文案传达哪些主要内容和情感？（比如，浪漫氛围、历史文化、刺激体验等）

然后，你就可以从这些给定的选择中进行挑选，或提出自己的想法皆可。

接下来，「百小应」便会根据要求生成文案，简短的文字着重体现了「天津之眼」独特魅力所在。

综上演示，「百小应」之所以能够输出精确的结果，主要归功于「会提问」，通过提问引导、激发用户清晰表达自身具体需求，为每个人构建出个性化的解决方案。

多模态

在Baichuan 4多模态能力的支持下，「百小应」还可以对图片内容进行解读。

又或者，将图片作为补充材料，获取更精准的回答。

最近比较火的AI开瓜，看看「百小应」能不能挑出，哪颗是最甜的瓜。

根据「百小应」的判断，一般西瓜表面条纹越清晰、颜色越深绿，可能代表着西瓜更成熟。

从图中看，推测得出，6和7看着条纹非常清晰。

不过，它还是提醒我们，仅从外观上判断西瓜甜度并不准确。

小编这就去开瓜了。

再来一张经典的重庆地标夜景图，不知「百小应」能否认得出？

显然，这个问题根本难不倒它。

你甚至，可以让它就这张图片，生成一份朋友圈文案。

「百小应」真的很会，生成的文案内容非常吸睛，同时还体现出了小众但不矫情的风格。

文档速读

除了以上提到的能力之外，「百小应」还支持上传PDF、Word文档，网页链接皆可行。

这就非常适合，需要大量阅读长篇幅文献、报告等内容的科研者，或是解析复杂数据表格的金融分析师等。

「百小应」可以做到，仅用1分钟的时间，读完上市公司财报。

比如，上传一份长达31页的特斯拉2024年第一季度财报文件。

然后要求「百小应」去解读财报，总结出值得关注的信息，并给出相对应的原文。

没想到，眨眼的功夫，「百小应」总结出了十个要点，并配上原报告highlights的内容。

再给它po一个链接，总结GPT-4o发布会的一些关键要点。

「百小应」的输出结果，基本上覆盖了全部的要点。

上下滑动查看

此外，「百小应」还可以支持通过语音的方式进行交互，简直是「手癌」患者的福音。

大模型时代新物种，AI不再是「工具」

经过一番实测之后，「百小应」已经在长文本阅读、多模态理解、提问搜索等多方面任务上，表现出强大的能力。

百川智能认为，让AI从工具变为伙伴，基于大模型打造的AI助手更像是在「造人」。

就像人类能够利用工具，听说读写看，甚至会思考一样，AI助手随着基座模型迭代，也将具备相应的能力。

虽然当下的AI助手还不具有情感、记忆、决策等高阶能力，距离「伙伴」还有很长的路要走，但是AI助手已经具备了部分伙伴所需要的能力，比如会思考，会用工具。

而搜索正是当下AI助手最重要的工具。

只有将大模型与搜索相结合，才能发挥出巨大的优势。甚至，人们普遍认为大模型的第一波应用，就是在搜索。

为什么这么说？

大模型饱受诟病的「幻觉」问题，是无法避免的，而植入搜索可以提升LLM回答准确性，早已成为行业共识。

其实，国内外大部分企业，早已给自家AI助手类应用增加了搜索功能。

但同样的搜索，却有着不一样的思路。

一种普遍的做法是收到用户的指令后，搜索相关信息，然后总结搜索结果进行输出。

而百川智能认为，大模型+搜索应该是在回答中嵌入搜索结果，用搜索赋能大模型，提高模型回答的鲜活性，让大模型言之有物，而不是用大模型赋能搜索。

由此，我们所看到的「百小应」，才是APP中懂搜索、会提问的那个应用。

百小应之所以能将大模型与搜索的能力很好地融为一体，是因为搜索一直是百川智能探索LLM的重点方向之一。

这家公司创始人和研发团队有着多年的前沿搜索经验，在去年发布首款闭源模型Baichuan 53B时就采用了「搜索增强技术」，大大提升了基座模型的输出结果的性能。

首款AI助手「百小应」能够表现不凡，当然也离不开此次基座模型Baichuan 4能力的大升级。

Baichuan 4登顶国内第一

Baichuan 4相较于上一代Baichuan 3，在通用能力上有着显著提升。

在刚刚发布的SuperCLUE权威中文评测中，Baichuan 4以80.64分成绩，登顶国内第一。

SuperCLUE总榜

具体来看，在理科任务中，Baichuan 4表现不俗，以 76.90 分的成绩排名国内第一。

然而，与GPT-4-Turbo-0125相比，相差4.23分，仍有一定的提升空间。

其中，逻辑推理（74.4分）、工具使用（80.8分）这两项均刷新国内最好成绩。

在文科任务中，Baichuan 4取得了83.12高分，文科能力全球第一，比GPT-4-Turbo-0125高出5.33分。

其中，知识百科（89.8分）、长文本（80.8分）、生成创作（83.4分）、传统安全（90.2分）均刷新国内最好成绩。

在与国内大模型平均得分相较下，Baichuan 4在所有能力上均高于平均线，展现了均衡的综合能力。

尤其是，在逻辑推理（+18.64）、代码（+18.89）、长文本（+20.77）能力上远高出平均线15分以上。

而与国外主流大模型对比，Baichuan 4在文科类任务取得领先优势。

特别是在知识百科、长文本理解、工具使用、语义理解和创意生成等方面，表现突出。

这使得Baichuan 4非常适合应用于知识运用、智能体、内容创作和长程对话等多种场景。

然而，它在代码能力方面仍有提升的潜力。

多模态能力仅次于GPT-4V

此外，在各大基准测试中，Baichuan 4还具备了行业领先的多模态能力，表现更加亮眼。

具体在MMMU、MMBench-EN、CMMMU、MMBench-CN、MathVista等评测基准上，新模型实力仅次于GPT-4V，完全碾压Gemini Pro、Claude 3 Sonnet等模型。

技术创新

为什么Baichuan 4，能够在4个月这么短的时间取得突破？

一切都源于，其在训练过程中引入了很多业界领先的技术优化手段。

在预训练阶段，为了有效提升LLM对数据的利用，新模型采用了基于Model-based+Human-based的协同数据筛选优化，并对长文本建模位置编码科学的Scaling Law。

在对齐阶段，还重点优化了模型推理、规划、指令跟随的能力，通过「损失」驱动数据选取与训练，阶段爬坡，多模型参数融合等方式，有效提升LLM关键指标和稳定性。

同时，团队还采用了RLHF和RLAIF融合后的「RLxF」，强化学习对齐技术，大幅提升模型的指令跟随等能力。