混元大模型正式亮相 通过腾讯云对外开放

快科技今日（9月7日）消息，混元今日在2023腾讯全球数字生态大会上，大模对外腾讯混元大模型正式亮相，型正相通讯——更多关于《DNF手游概率活动助手指南》的方法，请参考本站最新更新——并宣布通过腾讯云对外开放。式亮

据了解，过腾腾讯混元大模型是开放由腾讯全链路自研的通用大语言模型，拥有超千亿参数规模，混元预训练语料超2万亿tokens，大模对外具备强大的型正相通讯中文创作能力，复杂语境下的式亮逻辑推理能力，以及可靠的过腾任务执行能力。

从参数至上转向实用优先

值得关注的开放是，腾讯混元大模型是混元“从实践中来，到实践中去”的大模对外实用级大模型。腾讯云、型正相通讯腾讯广告、——更多关于《DNF手游概率活动助手指南》的方法，请参考本站最新更新——腾讯游戏、腾讯金融科技、腾讯会议、腾讯文档、微信搜一搜、QQ浏览器等超过50个腾讯业务和产品，已经接入腾讯混元大模型测试，并取得初步效果。

据了解，混元大模型将作为腾讯云MaaS服务的底座，客户不仅可以直接通过API调用混元，也可以将混元作为基底模型，为不同产业场景构建专属应用。

腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生表示：“以大模型生成技术为核心，人工智能正在成为下一轮数字化发展的关键动力，也为解决产业痛点带来了全新的思路。大模型需要基于产业场景，与企业数据融合，才能释放出最大的价值。”

全链路技术自研

据腾讯集团副总裁蒋杰介绍，腾讯混元大模型从第一个token开始从零训练，掌握了从模型算法到机器学习框架，再到AI基础设施的全链路自研技术。

从2021年开始，腾讯先后推出千亿和万亿参数的NLP稀疏大模型，打破CLUE三大榜单记录，实现在中文理解能力上的新突破。

目前，业界大模型在场景中的应用依然有限，主要集中在容错率高、任务简单的休闲场景。腾讯在算法层面进行了一系列自研创新，提高了模型可靠性和成熟度。

针对大模型容易“胡言乱语”的问题，腾讯优化了预训练算法及策略，让混元大模型的幻觉相比主流开源大模型降低了30%至50%；通过强化学习的方法，让模型学会识别陷阱问题；通过位置编码优化，提高了超长文的处理效果和性能；提出思维链的新策略，让大模型能够像人一样结合实际的应用场景进行推理和决策。

此外，腾讯还自研了机器学习框架Angel，使训练速度相比业界主流框架提升1 倍，推理速度比业界主流框架提升1.3倍。

得益于全链路自研技术，腾讯混元大模型能够理解上下文的含义，并且有长文记忆能力，可以流畅地进行专业领域的多轮对话。除此之外，它还能进行文学创作、文本摘要、角色扮演等内容创作，做到充分理解用户意图，并高效、准确的给出有时效性的答复。

在中国信通院《大规模预训练模型技术和应用的评估方法》的标准符合性测试中，混元大模型共测评66个能力项，在“模型开发”和“模型能力”两个重要领域的综合评价均获得了当前的最高分。在主流的评测集MMLU、CEval和AGI-eval上，混元大模型均有优异的表现，特别是在中文的理科、高考题和数学等子项上表现突出。

上海财经大学校长刘元春认为：“借助于全链路自研，中国将不断积累大模型相关人才和技术，逐渐形成体系化的产业链、人才链、技术链和创新链，最终走出一条发展通用人工智能的中国路径，助力我们在数字技术的创新上取得突破性进展。”

腾讯全面拥抱大模型

蒋杰表示：“我们研发大模型的目标不是在评测上获得高分，而是将技术应用到实际场景中。腾讯将全面拥抱大模型。”

在此次大会上，蒋杰展示了腾讯会议、腾讯文档、腾讯广告等多个业务，在接入腾讯混元大模型后的实际应用情况。

比如腾讯会议基于混元大模型打造了AI小助手，只需要简单的自然语言指令，就能完成会议信息提取、内容分析等复杂任务，会后还能生成智能总结纪要。据实测，在指令理解、会中问答、会议摘要、会议待办项等多个方面，混元大模型均获得较高的用户采纳率。

在文档处理方面，腾讯混元大模型支持数十种文本创作场景，在腾讯文档推出的智能助手功能中已有应用。同时，混元还能够一键生成标准格式文本，精通数百种Excel公式，支持自然语言生成函数，并基于表格内容生成图表，目前这些功能正在内测阶段，将在成熟后面向用户开放。

在广告业务场景，腾讯混元大模型支持智能化的广告素材创作，能够适应行业与地域特色，满足千人千面的需求，实现文字、图片、视频的自然融合。此外，基于混元大模型的能力，广告智能导购能够帮助商家在企业微信等场景，提升服务质量和服务效率。

据了解，今年6月，腾讯云推出了模型即服务（MaaS）解决方案，提供涵盖模型预训练、模型精调、智能应用开发等一站式的行业大模型服务。

最近，腾讯云也全面接入Llama 2、Bloom等20多个主流模型，和混元一样，都支持直接部署调用。客户可以根据实际需求，基于混元、也可以基于开源模型，打造自己专属的行业大模型。

(责任编辑：探索)