GPT-4王冠没掉！Claude 3竞技场人类投票成绩出炉：仅居第三

摘要： 晚点独家获悉月日阿里大文娱董事长兼樊路远宣布将代表阿里集团分管灵犀互娱在全员信中他称灵犀互娱未来将继续作为公司保持独立运营丰色发自凹非寺量子位公众号的竞技场排名终于来了短短天内张投...

《晚点LatePost》独家获悉，1月18日，阿里大文娱董事长兼CEO樊路远宣布将代表阿里集团分管灵犀互娱，在全员信中，他称灵犀互娱未来将继续作为N公司，保持独立运营。

丰色 发自 凹非寺

量子位 | 公众号 QbitAI

Claude 3的竞技场排名终于来了：

短短3天内，20000张投票，将榜单的流量推向空前。

最终，Claude 3最强的“大杯”模型Opus得分1233，成为第一个能和GPT-4-Turbo一较高下的选手。

“中杯”Sonnet也还不错，和GPT-4的两个旧版本不相上下。

不过总的来说，还是GPT-4系列占据上风。

Claude 3的表现和宣传有些许出入。如网友总结：

GPT-4还是大模型之王！

但，*的“中杯”Claude 3（Sonnet）更物超所值。

大模型竞技场出炉，“新王”排第三

Claude 3发布时*的宣传是全面超过了GPT-4，但没提是哪个版本的GPT-4。

竞技场榜单（LMSYS Chatbot Arena Leaderboard）的最新更新，帮咱摸清了。

来看详细情况。

排在第一名的是OpenAI去年11月推出的GPT-4 Turbo，也就是：

GPT-4-1106-preview。

它功能更强价格也更便宜，具有128k上下文，训练数据从此前的2021年9月更新到2023年4月。

与它并列第一的是GPT-4 Turbo最新的版本，今年一月发布的：

GPT-4-0125-preview。

它的训练数据更广，扩展到了2023年12月。

两者均取得了1251的分数。

接着才是Claude 3（训练数据截止到2023年8月）。

它的最强版本Opus得分1233，比GPT-4 Turbo低了18分。

这个差距相比起来不算太大，毕竟再往下看：

它比GPT-4的两个版本（0314、0613）分别高了48分、72分。

至于中等性能的Claude 3 Sonnet，则排名第6，位于GPT-4这两个版本之间：

不过只比0314版低5分，大有潜力一举超越。

所以总的来说，*宣传的也算没大毛病，全面超越老版GPT-4，但离GPT-4 Turbo还有点距离，尽管不算太大。

——从此榜单的评比机制等情况来看，它的结果还是相当有业内认可度的。

它由“小羊驼”（Vicuna）的作者团队发起。

但裁判官不是“小羊驼”，更不是GPT-4，而是基于人类偏好。

详细来说，也就我们随机向两个匿名模型提出任意问题，然后评价它们各自的回答，把票投给更好的那一个。

如果一轮投不出，咱可以选择继续提问。如果聊天中模型不小心透露了自己的身份，投票则作废。

特别的，计分规则采用Elo机制来保证公平（玩王者荣耀的朋友都熟）。

举个例子：如果某个模型输了，但它的分数不一定低，因为它本身实力就弱，这是预料之中。

截止目前，这个榜单可以说是非常火爆，已经有全球73个模型参与挑战，共收到了网友们37万张+投票。

通义千问挤进前10

除了Claude 3，我们再看看其他表现亮眼的选手。

首先要提的就是基于Gemini Pro的Bard，排名第四，仅次于GPT-4Turbo和Claude 3。

可以说是有点让人惊喜。

网友戏谑：

谷歌这是生生在在排行榜上开了个“洞”啊。

并连忙艾特JeffDean和DeepMind负责人：喂，加把劲儿啊（旺柴）

然后要说的就是阿里通义千问（1.5版本，上个月发布）。

它在本次排名中挤进了前十、并列第九，是国内选手中表现最好的。

被它甩在身后的，除了其他国产选手，还有Claude 2、Gemini Pro和GPT-3.5等等。

完整榜单：

https://huggingface.co/spaces/lmsys/chatbot-arena-leaderboard

参考链接：

https://twitter.com/lmsysorg/status/1765774296000172289