真的是離譜。
眾所周知，每當業內有牛逼的大模型釋出，肯定免不了被咱們號一頓 case 毒打，讓這個模型知道什麼叫人類的智慧，讓它低調做人。
但這次，終於翻車了。
事情是這樣的。
昨天豆包大模型 1.5 全家桶正式釋出了嘛，官方剛釋出 15 分鐘，就被咱們 Family 群裡的家人給發現了，並且發出靈魂拷問——誰能測測？
行，測測就測測。
我就讓編輯部的一個男同事去測了。
而且我告訴同事，有家人說豆包大模型是非常能給使用者提供情緒價值的。
情緒…情緒…
可能我同事對情緒這個詞有什麼誤解，測著測著，我見他逐漸嘴角上揚，甚至老臉愈發紅潤起來，我們辦公室也開始出現一些奇怪的聲音..
給你們聽一聽——
我見情況不對勁了，我趕緊叫停了，我讓他去看會兒論文冷靜下。
於是，就換了位女同事。為了保證這次測試能順利進行，我特意囑咐她，你別把豆包設定成“男聲”，你就測女聲就行。於是——
這次終於行了，這位女同事最近準備出國玩兒，她希望透過豆包大模型 1.5 的文字 + 語音模態能力，幫她趕緊惡補一下英語。
雖然男同事“翻車”了，但從其留下的珍貴影像來看，豆包這次升級後的語音模型在語音的表現力、控制力和情緒承接方面都相當驚豔，聊起來後，完全讓人忘了這是個 AI。
而女同事這邊，沒有用即時語音，而是走了文字 + 語音播報的形式，但驚豔的是，我發現豆包模型的語音與文字模態的融合非常到位——文字口語化，語音擬人化，混合語言的銜接處很自然。從學英語這類日常的使用場景來看，體驗非常絲滑。
就在這時，Family 群裡有家人丟擲了一個號稱只有 chatgpt 回答正確的「視覺理解」題——
這真是大模型視覺能力測試的高階局，AI 演算法工程師看了都會恍惚一下，不懂 AI 技術的小夥伴就更懵了。這裡引用下群友 Shangzhe Li 對本圖的完整解釋：
他這個代表了在 ffn 裡面的一個 feed forward 的過程，其實就是一個 relu 的 projection即，答案為「relu 啟用函式」
我順手把這張圖丟給 GPT-4o——
結果，GPT-4o 竟然翻車了。我進一步測試了下，發現群友這裡指代的 chatgpt 其實是 o1。
再來看 Claude-3.5-Sonnet——
果然也翻車了。
而最離譜的莫過於 Gemini 2.0 Flash ——
它竟然說這是個時鐘，好傢伙，你這是把學過的機器學習知識完全忘了啊…
但很快，就有家人發現這張題，剛上線的豆包大模型 1.5 竟然做對了——
實話說，豆包能把這道題完勝 GPT-4o、Claude-3.5-Sonnet 和 Gemini 2.0 Flash，我其實心裡是有問號的，我覺得只是巧了而已。
此前版本的豆包大模型能力，我覺得體感上是談不上能碾壓這三個模型的。
我不相信這次豆包大模型 1.5 的升級跨度這麼大。
為了驗證我的猜測，我準備祭出更多私藏的噁心視覺題 + 文字題去跟豆包、GPT-4o 和 Claude-3.5-Sonnet 做一下橫評！
數貓
先來看看各個 AI 能否識別出來這張圖裡實際有幾隻貓！
這可是真·視覺推理，AI 要注意到鏡子的存在，並因此透過貓在鏡子裡這件事兒讓貓的數量減 1。
壓力先給到今天的測試主角！
豆包大模型 1.5：
牛逼，我開始有點相信豆包不是在吹了。
壓力傳遞給外國選手。
首先是國外口碑最佳的 Claude-3.5-Sonnet：
竟然也做對了。
再來看看 GPT-4o：
哈？現在的 AI 視覺推理都進化的這麼強了嗎，竟然都做對了。
行，為此我要準備上難度了！
視覺錯覺圖
考驗 AI 的視覺能力，還有一類很噁心的題，叫視覺錯覺圖。長這樣——
這類題目難度不僅適用於 AI，也同樣適用於人類。
先來試試這道，比較兩個橙色圓的大小（這倆真的一樣大）。
豆包大模型 1.5：
竟然這麼輕鬆做對了，還告訴我這是一道錯覺題並做了解釋。
我有點懷疑題目是不是太簡單了。
Claude-3.5-Sonnet：
萬萬沒想到，曾經的視覺霸主 Claude-3.5-Sonnet 竟然翻車了！不僅答案錯了，而且也沒意識到這是道視覺錯覺測試題。
看來 AI 的眼睛也受不了這種錯覺影響。
再來看看 GPT-4o：
不錯不錯，GPT-4o 抗住了壓力！本題 4o 與豆包打平，Claude 出局。
視覺找茬
有了上面幾道題的經驗，我覺得是不能再小看 AI 軍團了。
必須祭出咱們人類的殺手鐧了——
題目：找出不是雞的字，在第幾行第幾列
豆包大模型 1.5：
太好了，今晚終於把豆包搞崩了，讓它感受到了人類的智慧。
Claude-3.5-Sonnet：
Claude 也完全眼花了。
GPT-4o：
好傢伙，我連著跑了好幾次，只要把這張圖丟給 GPT-4o，它就提示缺少中文語言包。這還給 OpenAI 測出來個系統 Bug？
本題 AI 全掛，人類勝！
李白風格寫詩
這道題非常接地氣，是來自 Family 群的家人“蔥花”。
非常考驗模型的文學功底，這種題目非常適合讓 AI 再朗讀出來，考驗其語音能力。
題目：你是一名傑出的詩人，請你模仿李白的風格，寫一首七言律詩，主題為“黃酒配辣椒炒肉”
先來看 + 聽下豆包大模型 1.5 寫的詩：
你別說，真的有味道了，尤其配上這個朗讀。
而且我覺得很棒的是，整個詩中，巧妙避開了直接提及“辣椒”、“炒肉”這種讓人出戲的“俗語”，字裡行間流露出李白那種豪氣。無論是眼看還是朗讀，都很有詩仙的味道。
好了，接下來壓力給到外國 AI。
Claude-3.5-sonnet：
由於 claude 無法朗讀，本題直接就略輸一籌了。而從詩本身出發，看到“辣椒”、“青蔥入鍋”、“肉絲快炒”這種詞，我實在無法跟李白產生什麼聯想…
沒事，GPT-4o 會朗讀啊，看看它的表現！
GPT-4o：
好傢伙，這個影片你們一定要開喇叭聽，我直接笑噴了。
4o 哥哥啊，你這是快板還是詩歌啊…
長長長長長長長，長長長長長長長
這道題本來是噁心做 NLP 演算法的人的（拼音標註任務），我現在拿來去噁心 AI 了。
寫給賣豆芽的對聯，我想打印出拼音：長長長長長長長，長長長長長長長
先來看看豆包：
這道題豆包竟然完美做對了，非常 nb，而且給出了全部兩種解法。
Claude-3.5-Sonnet：
claude 則是進入一本正經的胡說八道的狀態了…
最後看看 GPT-4o！
GPT-4o：
這次，請務必開啟喇叭。
答案錯誤就不說了，重點是，當我讓 GPT-4o 語音念出來後，原諒我不厚道的笑瘋了！
都說豆包是大模型裡面最接地氣、能提供情緒價值的，擅長解決使用者的生活學習問題。今天，我對這句話終於有了更直觀的理解。
而且，從縱向的版本迭代來看，豆包這次大模型全家桶升級，實測確實驚豔到我了。無論是文字，還是視覺、語音模態，都能在體感上明顯感知到相比上一代的提升，這一點屬實不易。
我去扒拉了一下這個豆包大模型 1.5 的學術榜單評測，比如視覺能力評測——
好傢伙，真是幾乎全面屠榜了。尤其在“College-level Problems”評測中，完全碾壓了包括 GPT-4o、Claude-3.5-Sonnet 甚至 Gemini-2.0-Flash，這也難怪能做對“啟用函式”那道那麼難的視覺題了。
做過演算法的都知道，讓大模型在學術測試集上漲點雖然不易，但讓大模型在真實 case 層面讓使用者體感上感知到驚豔和提升更難。
而且我注意到這次豆包發版時在公眾號文章裡提到了一個細節——
如果你是做大模型演算法的，你肯定知道這個細節的資訊量&含金量。
業界有個公開的秘密：當國外有很強的大模型釋出時，要快速追平他，你只需要將海量的使用者提問丟給這個大模型，拿到大量的回答，然後再把這大量的“問題-答案對”作為訓練資料餵給自己的模型做訓練（這個過程叫“知識蒸餾”），那麼你模型的能力很快就能接近這個先進的模型。
這也是為什麼，OpenAI 上線 o1 之後，一直把思維鏈藏著掖著，其實就是希望大家別蒸它，追趕的慢一點…
當然，這種“捷徑”不是沒有代價的。
最大的代價就是，你成為了永遠的追趕者…
無限蒸餾、無限追趕，你永遠只能接近第一梯隊的能力而無法超越它。
如果資料清洗的不到位，訓練過了頭，甚至會出現副作用，比如 AI 會稱自己是另一個模型，以及在一些問題上，回答會看起來跟你蒸餾的那個 AI 的回答長得非常像，甚至一字不差。
而根據我位元組演算法朋友的可靠求證，位元組做豆包大模型，確實在訓練過程中未使用任何其他模型生成的資料。
就衝這一點，演算法出身的我必須要給豆包大模型 1.5 點個贊。
最後，不忘提醒一嘴，這次升級的豆包全家桶在火山方舟上都能透過 API 呼叫，除了即時語音模型 Realtime API 預計於今年上半年上線外，其餘模型的 API 已經可以直接呼叫了。
附傳送門：
https://www.volcengine.com/product/ark
不說了，我先衝了。