微信扫码
添加专属顾问
风云变幻的 LMSYS Chatbot Arena 盲测竞技场再次迎来新成员!
近日,Yi-1.5-34B 登录 Chatbot Arena,在总榜中以 1162 的 ELO 积分超越了 GPT-4-0613、Mistral-large-2402 等知名海外厂商发布的大尺寸模型,与 Qwen1.5-110B-Chat 并列第20名(2024.6.6)。在中文分榜上,Yi-1.5-34B 更是以 1274 的 ELO 积分跻身世界前十,同时在采用 Apache 2.0 许可协议的模型中位居第一(2024.6.6),可谓是开源界中小模型中最能打的羽量级选手,连 LMSYS 评测组织方都官方发帖恭贺。
LMSYS 评测组织官方发帖恭贺
Yi-1.5-34B在中文分榜中跻身前十
Yi-1.5-34B LMSYS 冲擂成绩出众
相比 7B、13B 等尺寸,34B 模型具备更优越的知识容量、下游任务的容纳能力,也达到了大模型 “涌现”的门槛;而比起 70B 以上的参数量,34B 是单卡推理可接受的模型尺寸的上限,经过量化的模型可以在一张消费级显卡(如4090)上进行高效率的推理。因此,34B 的模型尺寸在开源社区属于稀缺的“黄金比例”尺寸。也是基于这一认知,零一万物正式开源的首款预训练大模型就是 Yi-34B。
相较于去年 11 月的开源版本,这次的 Yi-1.5-34B 在保持原 Yi 系列模型优秀的通用语言能力的前提下,通过增量训练 500B 高质量 token,大幅提高了数学逻辑、代码能力。与迭代前的 Yi-34B 相比, Yi-1.5-34B 在 LMSYS 总榜上的 ELO 积分大幅提升,从 Yi-34B 的 1111 增至 1162(2024.6.6);在“Coding”分榜上,Yi-1.5-34B 的 ELO 积分也由上一版本的 1108 增至 1161(2024.6.6)。
Chatbot Arena 由伯克利 Sky Lab 师生运营的开放研究组织 LMSYS Org (Large Model Systems Organization)发布。在形式上,Chatbot Arena 借鉴了搜索引擎时代的横向对比评测思路。它首先将所有上传评测的“参赛”模型随机两两配对,以匿名模型的形式呈现在用户面前。随后号召真实用户输入自己的提示词,在不知道模型型号名称的前提下,由真实用户对两个模型产品的作答给出评价。来自真实用户的评价将基于 ELO 机制汇总为模型的 ELO 分数,并最终形成模型排名。
凭借着引入千万真实用户投票、盲测、权威学术机构背书等要素加持,目前 Chatbot Arena 已经成为后 Benchmark 时代的评测风向标,也是 OpenAI、Anthropic、Google、Meta 等国际大厂“龙争虎斗”的当红擂台。
值得注意的是,由于 Yi-1.5-34B 上榜时间不长,参与的盲测次数、获得的投票数相对较少,因此 Yi-1.5-34B ELO 评分的置信区间(Confidence Interval)的浮动也会相对较大。
为了验证 LMSYS 榜单排名的准确性、减少样本较小所带来的不确定性,我们选择参考 MixEval、MMLU-Pro、WildBench 等其他评测集的成绩,结果 Yi-1.5-34B 同样取得了优于同量级模型的成绩。在 WildBench 排名中,Yi-1.5-34B的表现更是优于更大参数量级的 Qwen2-72B-Instruct(2024.6.6)。这些评测成绩构成了Yi-1.5-34B 模型出众性能的有力佐证。
高质量数据构建管线成效初显
Yi-1.5-34B 首次上榜与诸多知名模型同台竞技,能够取得超越 GPT-4-0613、与 Qwen1.5-110B-Chat 比肩的成绩,得益于零一万物在模型训练中科学的算法与高质量数据的合理应用。零一万物模型训练负责人黄文灏此前曾表示,零一万物在模型训练时没有急于做 Scale up、推出第一款模型,而是选择重点提升数据质量,在基础能力建设完毕后,模型 Scale up 都会变得非常顺畅。
零一万物将提升数据质量作为高优先级事项,进行了科学的数据质量控制。目前已经搭建起了高质量数据的生产管线,能够在确保数据质量的前提下实现规模扩展。这些高质量数据成为 Yi-1.5 系列开源模型顺利实现代码、数学能力提升的基础条件。
以此次 Yi-1.5 系列开源模型迭代为例,增量预训练已经成为提高大规模语言模型(LLM)在特定领域表现的重要方面。找到训练数据的最佳混比是这次 Yi-1.5 模型训练的关键挑战。然而,探索不同数据混合对LLM的影响既耗时又费力,且在识别持续预训练最佳数据混合方面的研究有限,尤其是对于代码和数学推理等特定领域任务。为了解决这一挑战,模型训练团队在不同规模的各种数据混合上进行了实验,并总结出了一套针对继续预训练的经验。
为了充分释放预训练模型在聊天场景中的潜力,零一万物还创新了指令调优方法。根据观察到的指令调优 Scaling effect,零一万物从代码、数学、科学、工程、人文学科和通用聊天数据等诸多领域扩增指令调优数据,清楚地展示了 Scaling 的优势。通过使用 300 万条人工标注和高质量的合成指令调优样本,团队在保持了 Yi 模型优秀的通用能力的前提下,进一步提高了模型在代码和推理等各个关键领域的表现。
在指令微调SFT阶段,基于开源数据,零一万物也开始尝试采用了新颖的合成数据方案,这大大降低了数据构建成本。
Yi-1.5 系列的成功实践再次证明了零一万物在模型训练方面决策的正确性,也让团队看到,Yi-Large 或更大尺寸模型的上限还可以更高,在数据构建和训练过程还存在着优化空间。高质量、低成本的数据生产管线将会在后续多个模型的训练中得到复用,也预示着零一万物的数据构建成本与模型训练成本将进一步降低。在追逐 TC-PMF 的行业竞争中,降低的模型训练成本将为零一万物赢得宝贵的时间窗口,支撑其在优势窗口期构建出新的竞争壁垒。
切换 Apache 2.0 许可证,国际社区好评
作为全球生态建设的重要一环,零一万物尤其重视 Yi 系列开源模型的开发者体验。具体实践中,此次 Yi-1.5 发布时,零一万物也选用了开发者最熟悉的宽松许可证—— Apache 2.0,引发了国际开源社区的热烈讨论和一致好评,这是零一万物面向全球、拥抱开源的具体行动。
“我们相信开源开发者生态依赖于口碑,国内生态需要更多中立角色,以开发者为中心进行良性竞争。海外开发者更注重体验,无论是使用开源模型还是 API,都追求良好体验。”零一万物开源负责人林旅强表示,“我们真诚地希望,升级后的 Yi-1.5 系列开源模型能够为大家带来真正的价值。”
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-06-30
我把 Codex 装进了 Pi 5 Max:一块 Android 开发板,开始自己参与 AI 相框开发
2026-06-24
讯飞办公本用一键式龙虾部署,终结“只记不查”的资产浪费
2026-06-22
我把吃灰的 Kindle 用起来了:给 AI 桌宠加一块电子墨水屏
2026-05-31
英特尔AI PC专区:专治本地模型跑不动、智能体做不出、新模型不会用
2026-05-18
Android 迎来 Gemini-Intelligence,手机要开始替你干活了
2026-05-18
OpenAI秘密矩阵曝光!你的所有设备,被Codex连成一台超级电脑
2026-05-15
苹果不卷AI了:iOS 27要让第三方模型"竞标"进系统
2026-05-13
安卓彻底变了!Gemini接管所有屏幕,苹果连影子都没追上
2026-04-07
2026-04-02
2026-04-11
2026-04-27
2026-04-21
2026-04-20
2026-04-12
2026-05-09
2026-05-07
2026-05-13
欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。
在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。
一、 定义
本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。
会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。
知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。
二、 账号注册与登录
登录方式:本网站支持以下登录方式,您可根据实际情况选择:
微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。
手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。
账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。
实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。
未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。
三、 服务内容与规范
知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。
服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。
禁止行为:您在使用服务时不得实施以下行为:
利用技术手段批量爬取、下载、转存知识库内容;
将知识库内容用于商业目的或未经授权地向第三方传播;
干扰本网站正常运行或侵犯其他用户合法权益;
发布违法违规信息或从事违反公序良俗的活动。
四、 知识产权声明
权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。
有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。
侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。
五、 个人信息保护
我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。
您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。
您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。
六、 免责声明
内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。
不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。
第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。
七、 违约责任
如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。
如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。
八、 法律适用与争议解决
本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。
因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。
九、 其他
本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。
本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。
我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。