全球开源新王Qwen2-72B诞生，碾压Llama3-70B击败国产闭源模型！AI圈大佬转疯了

---

新智元报道

编辑：编辑部

【新智元导读】 一夜之间，全球最强开源模型再次易主。万众瞩目的Qwen2-72B一出世，火速杀进开源LLM排行榜第一，美国最强开源模型Llama3-70B直接被碾压！全球开发者粉丝狂欢：果然没白等。

一觉醒来，中国的开源模型再次震撼了全世界。

坐等许久，Qwen2-72B终于发布了！这个模型一出世，直接杀进开源LLM排行榜第一，完全碾压美国最强的Llama3-70B。

有趣的是，第二名也是来自阿里的Qwen1.5-110B

在各大基准测试中，Qwen2-72B一举斩获了十几项世界冠军，尤其在代码和数学能力上提升最为明显。

同时，相较于上一代Qwen1.5，Qwen2也实现了大幅的性能提升。

另外，开源Qwen2-72B还击败了国内一众闭源大模型，包括文心4.0、豆包Pro、混元Pro等等。

72B指令微调版模型，还增大了上下文长度支持，最高可达128k token。在16个基准测试中，Qwen2-72B-Instruct的性能可与Llama-3-70B-Instruct相匹敌。

得益于高质量的数据，Qwen2-72B-Instruct在数学、代码能力上实现飞升。

值得一提的是，模型训练过程中，除了采用中英文数据，还增加了27种语言相关的高质量数据。

现在，所有人均可在魔搭社区和Hugging Face免费下载Qwen2最新开源模型。

凭借取得的卓越性能，Qwen2-72B深受AI大佬们关注，在整个AI圈掀起了轩然大波。

模型刚发布2小时，HugingFace联创Clément Delangue立即宣布，「HF大模型榜上诞生了一个全新的、排名第一的开源模型——Qwen2-72B」。

AI初创CEO称，「一切都结束了！OSS迎来了一位新王者——Qwen-2的MMLU为84.32，完全堪称GPT-4o/Turbo级别模型」！

4个月不到的时间，Qwen-2-72B的生成质量已经和GPT-4不分伯仲。

网友震惊发现，在编码上Qwen2绝对超越了Llama 3！

加冕为王的Qwen2-72B究竟有多强，接下来让我们一起来看看。

开源新王Qwen2-72B发布！

差不多4个月时间，阿里团队就完成从Qwen1.5到Qwen2跨越式的迭代升级。

除了Qwen2-72B，Qwen2系列包含了5种不同参数规模的预训练和指令微调模型。

其中还有，Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B、Qwen2-57B-A14B，都可支持32K上下文。

相比2月推出的通义千问Qwen1.5，Qwen2实现了整体性能的代际飞跃。

在权威模型测评榜单OpenCompass中，此前开源的Qwen1.5-110B已领先于文心4.0等一众国产闭源模型。

刚刚开源的Qwen2-72B，整体性能相比Qwen1.5-110B又取得了大幅提升。

开篇一张表，很明显地可以看出Qwen2-72B在数学（GSM8K、MATH），以及代码（C-Eval）、逻辑推理（CMMLU）、多语言能力上（MMLU），取得了明显的提升。

其性能大幅超越了著名的开源模型Llama3-70B、Mixtral-8x22B。尤其是在代码、逻辑推理上，领先对手20+分。

指令微调版的Qwen2-72B-Instruct，汲取了CodeQwen1.5强大的代码经验，并将其融入研发。

结果如下，在8种编程语言上，尤其是JS、C++，Qwen2-72B-Instruct性能超越Llama-3-70B-Instruct。

在数学上，Qwen2-72B-Instruct同时实现了数学能力显著提升，在如下四个基准测试中，性能分别超越了Llama-3-70B-Instruct。

另外，小模型方面，Qwen2系列基本能够超越同等规模的最优开源模型，甚至更大参数规模的模型。

比起Llama3-8B-Instruct，Qwen2-7B-Instruct能在多个评测上取得显著的优势，尤其是代码及中文理解上。

最高128k，大海捞针全绿

Qwen2系列中，所有的Instruct模型均在32k上下文中，进行了训练。

在大海捞针实验中，Qwen2-72B-Instruct能够完美处理128k上下文长度内的信息抽取任务，实现了全绿的成绩。

如果有足够的算力，72B指令微调版凭借其强大的性能，一定可以成为处理长文本任务的首选。

更值得一提的是，为了提升模型多语言能力，研究人员还针对性地对除中英文以外的27种语言进行了增强：

比如阿拉伯语、法语、荷兰语等等。

在阿拉伯语榜单上，Qwen2-72B性能直接刷榜。

安全性堪比GPT-4

当然，模型安全也是训俩过程中，至关重要的一部分。

如下，展示了大模型在四种多语言不安全查询类别（非法活动、欺诈、色情、隐私暴力）中生成有害响应的比例。

通过显著性检验（P值），看得出Qwen2-72B-Instruct模型在安全性方面，与GPT-4的表现相当，并且显著优于Mistral-8x22B模型。

坚持开源，唯一引起Altman注意的国产大模型

依靠着强大研发能力、领先的基础设施能力，以及开源社区的充分支持，通义千问大模型一直在持续优化和进步。

2023年8月，这个消息振奋了国内AI圈：阿里云成为国内首个宣布开源自研模型的科技企业，推出第一代开源模型Qwen。

而在随后不到一年时间，通义先后开源了数十款不同尺寸模型，包括大语言模型、多模态模型、混合专家模型、代码大模型等等。

这种开源频率和速度，可以说是全球无二，模型性能也在随着版本迭代肉眼可见地进化。

而自Qwen-72B诞生后，Qwen系列更是逐渐步入全球大模型竞争的核心腹地，在权威榜单上，多次创造中国大模型的「首次」！

不久前，奥特曼在X上转发了一条OpenAI研究员公布的消息，GPT-4o在测试阶段登上了Chatbot Arena（LMSys Arena）榜首位置。

这个榜单，是OpenAI唯一认可证明其地位的榜单，而Qwen，正是其中唯一上榜的国内模型。

多次冲进LMSys榜单的国产大模型，只此一家

另外，早些时候有人做了个LMSys榜单一年动态变化的视频。

结果显示，过去一年内，国产大模型只有Qwen多次冲进这份榜单。

最早出现的，是通义千问14B开源视频Qwen-14B，然后就是Qwen系列的72B、110B以及通义千问闭源模型Qwen-Max。

而且，它们的得分一个比一次高，LMSys也曾官方发推，认证通义千问开源模型的实力。

可以看出，在顶尖模型公司的竞争中，目前为止，中国模型只有通义千问真正入局，能与头部厂商一较高下。

爆火全球AI社区，歪果仁：真香

如今，Qwen系列模型已经在全球范围内爆火，成为最受外国开发者瞩目的中国开源模型之一。

在不到一年时间，通义千问密集推出了Qwen、Qwen1.5、Qwen2三代模型，直接实现了全尺寸、全模态的开源。

就在最近一个月内，Qwen系列的总下载量已经翻了倍，直接突破1600万次。

与此同时，在海内外开源社区，基于Qwen二次开发的模型和应用，已经出现超过1500款！