在2023年打响的“百模大战”,如今终于进入了价格战阶段。从字节豆包的“比行业便宜99.3%”,阿里通义“直降97%”,到百度文心的“全面免费”…… 为了撬动更大的市场,越来越多的大模型厂商祭出优惠策略。在AI时代,大模型迭代速度飞快,也让云厂商看到了新的商机,各路云厂商也很快加入了这场价格战。价格战如火如荼地展开,但是在大模型厂商当中,百川智能却展现出颇为独到的战略眼光。
百川智能CEO王小川当时就已经表示不会参与价格战,而是通过提供高质量、高性能的AI解决方案来吸引和保持客户。
百川也许是国内大模型厂商当中,模型迭代速度最快的一家公司,今年5月,价格战席卷整个行业,成立不到一年半的百川智能没有像其他厂商一样宣布免费或降价,而是公布第四代基座大模型——Baichuan 4,以及首款AI助手应用——”百小应”。
免费和低价策略可以在短期内吸引客户,却难以构成长期的竞争优势。产品技术创新和质量提升,持续的技术进步才能更好地巩固和增强市场地位。
快速迭代的百川大模型
百川智能的技术优势,首先就体现在快速的模型迭代上。去年,百川智能已经相继发布Baichuan-7B、Baichuan-13B、Baichuan-53B大模型,以及Baichuan 2-7B、Baichuan 2-13B、Baichuan 2-13B-Chat与其4bit量化版本,其中除了Baichuan-53B外,均为开源免费模型。
今年早些时候,百川发布的Baichuan 3在CMMLU、GAOKAO、AGI-Eval等多个权威通用能力评测中,表现都比较出色,中文能力更是超越GPT-4。在MATH、HumanEval、MBPP等数学和代码评测中也有很好的表现。
百川智能最新发布的Baichuan 4模型,号称在多模态能力上达到国际领先水平,与Baichuan 3相比,Baichuan 4在通用能力上提升超过10%,在数学和代码能力上也分别提升了14%和9%。
Baichuan 4的多模态能力特别适应了市场对于处理复杂、多样化信息需求的趋势。例如,它能够更有效地处理图像和文本的综合任务,在广告、内容创作和自动化客服等领域提供了更为精准的服务。
“双轮驱动”策略应对价格战
当前大型模型行业主要采用两种收费方式:直接向消费者收费或者向企业客户销售服务。这两种模式通常被认为缺乏吸引力。基于API的收入和直接销售模型的收入都有各自的弊端。即便是业内知名的ChatGPT等聊天机器人产品,也不是最佳实践。
另一方面,一些AI创业公司正在探索新的盈利模式。例如月之暗面为产品开设了打赏功能,用户可以在使用高峰期购买不同价值的虚拟礼物,获得优先使用权。这种模式的核心在于用户的认可和愿意为感受到的价值付费,被认为是一种更合适的商业策略。
百川智能成立于2023年4月10日,成员来自搜狗、腾讯、百度、微软、字节跳动等科技巨头的AI技术人员。团队目前已经发展到超过240人,研发人员占团队总数的80%以上。
百川明确区分了对B端和C端市场的不同策略。虽然在全球很多地区,企业更看好B端市场,但在中国,王小川认为,C端市场具有比B端更强的潜力。因此,百川智能在产品和市场推广策略上,更加重视对C端市场的开拓。
通过针对C端市场推出如“百小应”这样的AI助手应用,百川智能在扩大产品市场覆盖的同时,也有助于增强品牌的公众认知度。这种策略使百川智能更直接地与终端用户互动,从而更好地理解市场需求并快速响应。
王小川的“双轮驱动”战略,也就是推动“超级模型”和“超级应用”的共同发展策略,一边做基座大模型,一边推出AI应用。他认为,只做B端市场并不是一个划算的商业模式,不应该放弃中国C端市场的潜力。
以“百小应”为例,在发起提问时,一般的聊天机器人会直接给出逻辑严谨但宽泛的答案,“百小应”则是先试着缩小答案范围,循序渐进地引导用户提供更多线索,最终结合网络资料给出更符合现实情况的答案。百川似乎希望它面向C端的AI产品更接近真实的人类,让AI理解用户提出的问题,而是让它找到用户提问背后的真实意图。
“双轮驱动”的战略推动了百川智能的快速成长,不仅让百川智能在技术上保持领先,也在商业模式上展现了创新。去年,随着业界全面拥抱大模型,百模大战随之打响,如今的价格战,将使更多企业明确自己的定位,也说明了创业公司的商业模式不能完全依赖API服务,为了避免被大厂夹击,创业公司一定要差异化。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。