蓝鲸新闻6月18日讯（记者 朱俊熹） 在火热的大模型竞赛中，性能比拼已不再新鲜。随着技术的加速迭代，几乎每隔一段时间就能看到又一代更新版的AI大模型，宣称“比肩GPT-4”。
6月17日，AI公司深度求索（DeepSeek）正式上线开源模型DeepSeek-Coder-V2。DeepSeek表示，该模型在代码、数学等多个榜单上位居全球第二，性能介于目前最强闭源模型GPT-4o和GPT-4-Turbo之间。
值得注意的是，DeepSeek-Coder-V2开源大模型还展现出良好的通用性能，在中英通用能力排行榜上跻身国内第一梯队。DeepSeek介绍，该模型沿用了上一代DeepSeek-V2模型的创新架构，拥有2360亿参数，但在处理每个token时仅需激活210亿参数。这一设计不仅节省内存使用，更显著提升了计算效率。
DeepSeek最新的开源模型支持32K上下文，并延续了此前的定价策略，每百万tokens输入价格为1元、输出价格为2元。DeepSeek先前率先拉低了大模型定价，随后字节跳动、阿里云、百度等行业巨头也加入低价队列，引发了国内大模型价格战。
为了彰显模型性能排名的权威性，各企业在发布大模型时通常会附上评测榜单，其中涵盖了不同的评测集。评测集就好比AI大模型的考试试卷，通过测试其在各种任务和场景下的表现，以评估其能力的优劣。不同的评测集侧重点有所不同，因此对大模型的评价也并非绝对的。
DeepSeek发布的新模型在代码生成能力方面表现出色，在HumanEval评测集上得分高达90.2，仅次于GPT-4o的91.0分。在数学算数领域，DeepSeek-Coder-V2模型在GSM8K评测集上获得了94.9分，同样超越了众多开闭源模型。
然而，在通用能力的评测方面，DeepSeek-Coder-V2模型的表现仍存在一定差距。以目前应用最广泛的MMLU评测集为例，DeepSeek-Coder-V2模型的得分为79.2，与GPT-4存在明显差距，也低于其他几家开源模型。阿里云在6月初发布的开源模型Qwen2-72B获得82.3分，Meta的Llama3-70B模型则为80.2分。
DeepSeek认为，尽管DeepSeek-Coder-V2较前一代模型的综合得分更高，但在实际应用中，两者各有所长。DeepSeek-V2更擅长文本创作、任务规划等领域，而DeepSeek-Coder-V2则在代码编程、数学计算和逻辑推理方面更为突出，更像是“理科生”。
值得一提的是，当地时间6月14日，“AI卖铲人”英伟达宣布开源Nemotron-4 340B（3400亿参数）系列模型。据称该模型的表现超越了一众开源竞争对手，包括Llama3-70B、Qwen2-72B、法国创企Mistral AI的Mixtral-8x22B等，甚至能够与闭源模型GPT-4o相媲美。
图片来源：英伟达
Nemotron-4 340B系列包括了基础模型Base、指令对齐模型Instruct和奖励模型Reward。其中，Base模型在ARC-c、Winogrande等评估大语言模型常识推理能力的基准测试中获得了较高分数，表现确实优于其他开源模型。Reward模型则是在此基础上进一步优化得到的，能够通过反馈输出更符合人类预期的高质量结果，在专门用于评估奖励模型的基准测试RewardBench中获得92.0的最高分数，远超得分为84.7的GPT-4o。
英伟达强调，这三类模型形成了一个管道，能够生成高质量的合成数据，用于大语言模型的训练中。在指令对齐模型Instruct的训练过程中，英伟达就使用了超过98%的合成数据。合成数据也被认为是解决大模型训练“数据荒”的有效手段之一。
至少目前来看，此轮AI浪潮的最大受益者仍然是英伟达。当地时间6月17日，英伟达市值曾一度赶超苹果，距排名第一的微软仅差100亿美元。截至收盘，英伟达市值达3.22万亿美元，为全球市值第三大公司。
