零一万物API开放平台出场！通用Chat多模态通通开放，还有200K超长上下文版本...

克雷西 衡宇 发自 凹非寺
量子位 | 公众号 QbitAI

3月，国内外模型公司动作频频。国产大模型独角兽“五小虎”之一零一万物也有诸多新动作。

这不，前脚刚发布高性能向量数据库，零一万物又立马正式发布了自己的API开放平台，

共为开发者提供三个版本的模型：

• Yi-34B-Chat-0205：支持通用聊天、问答、对话、写作、翻译等功能。

• Yi-34B-Chat-200K：200K上下文，多文档阅读理解、超长知识库构建小能手。

• Yi-VL-Plus：多模态模型，支持文本、视觉多模态输入，中文图表体验超过GPT-4V。

去年11月，零一万物就正式开源发布了首款预训练大模型Yi-34B，当时的模型已经能处理200K上下文窗口，约等同于20万字文本。这次开放API平台，在Yi-34B的基础上，有什么新亮点？

要说有什么独特之处，我愿以五个“更”来概括。

分别是覆盖更大的参数量、更强的多模态、更专业的代码/数学推理模型、更快的推理速度、更低的推理成本。

并且！

Yi大模型API开放平台兼容OpenAI的API，可以随心快速丝滑切换。

更多详情，一起来看——

200K上下文窗口+多模态能力

此次API开放，最亮眼的地方一共有两点。

首先是200K的超长上下文窗口，可以一口气处理约30万个中英文字符，相对于读完整本《哈利·波特与魔法石》小说。

在大海捞针测试中，Yi-34B-Chat-200K取得了几乎全绿的成绩，准确率高达99.8%。

实际测试中，篇幅近两百页、总字数19万的《三体》第一部，Yi很快就能读完并给出总结。

而且细节关注到位，能从故事中提取出主要角色信息和他们的事迹，然后直接用表格的形式呈现在我们面前。

我们又补充追问了十个细节问题，答案分散在整部小说的各个位置，结果Yi全部答对。

另一大亮点，是Yi-VL-Plus强大的多模态能力。

多模态版本中，在保持LLM通用知识、推理等能力的前提下，图片内中文、符号识别能力大幅增强，体验超过了GPT-4V。

而且图片输入分辨率也提高到了1024×1024分辨率，并专门针对图表、截屏等生产力场景进行了优化。

比如下面这张图来自一篇文献综述，列举了课题相关论文中被引量最高的10篇。

Yi-VL-Plus准确地找到了目标文献，并准确识别出了文章标题，遇到“嗪”这种不常见的专业文字也没掉链子。

再看看GPT-4V这边，则是主打一个已读乱回，给出的文章标题不知道来自何处。

而除了识读图表和文字，Yi-VL-Plus还支持学习专业知识并立即用于图像的解读。

比如早期体验过的开发者教给模型一些心理学知识后，Yi-VL-Plus就能根据孩子的铅笔画展开一些基本的分析。

并且，模型给出的分析获得了专业人士的认可，给出了“较准确”的评价。

△开发者星云爱店CTO大董提供的测试资料，文图数据均脱敏

总之，凭借强大的长文本和多模态处理能力，无论是在to B还是to C场景，Yi都能构建出高效的大模型应用。

举个例子