一觉醒来，中国的开源模型再次震撼了全世界。

坐等许久，Qwen2-72B终于发布了！这个模型一出世，直接杀进开源LLM排行榜第一，完全碾压美国最强的Llama3-70B。

有趣的是，第二名也是来自阿里的Qwen1.5-110B

在各大基准测试中，Qwen2-72B一举斩获了十几项世界冠军，尤其在代码和数学能力上提升最为明显。

同时，相较于上一代Qwen1.5，Qwen2也实现了大幅的性能提升。

另外，开源Qwen2-72B还击败了国内一众闭源大模型，包括文心4.0、豆包Pro、混元Pro等等。

72B指令微调版模型，还增大了上下文长度支持，最高可达128k token。在16个基准测试中，Qwen2-72B-Instruct的性能可与Llama-3-70B-Instruct相匹敌。

得益于高质量的数据，Qwen2-72B-Instruct在数学、代码能力上实现飞升。

值得一提的是，模型训练过程中，除了采用中英文数据，还增加了27种语言相关的高质量数据。

现在，所有人均可在魔搭社区和Hugging Face免费下载Qwen2最新开源模型。

凭借取得的卓越性能，Qwen2-72B深受AI大佬们关注，在整个AI圈掀起了轩然大波。

模型刚发布2小时，HugingFace联创Clément Delangue立即宣布，「HF大模型榜上诞生了一个全新的、排名第一的开源模型——Qwen2-72B」。

AI初创CEO称，「一切都结束了！OSS迎来了一位新王者——Qwen-2的MMLU为84.32，完全堪称GPT-4o/Turbo级别模型」！

4个月不到的时间，Qwen-2-72B的生成质量已经和GPT-4不分伯仲。

网友震惊发现，在编码上Qwen2绝对超越了Llama 3！

加冕为王的Qwen2-72B究竟有多强，接下来让我们一起来看看。

开源新王Qwen2-72B发布！

差不多4个月时间，阿里团队就完成从Qwen1.5到Qwen2跨越式的迭代升级。

除了Qwen2-72B，Qwen2系列包含了5种不同参数规模的预训练和指令微调模型。

其中还有，Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B、Qwen2-57B-A14B，都可支持32K上下文。

相比2月推出的通义千问Qwen1.5，Qwen2实现了整体性能的代际飞跃。

在权威模型测评榜单OpenCompass中，此前开源的Qwen1.5-110B已领先于文心4.0等一众国产闭源模型。

刚刚开源的Qwen2-72B，整体性能相比Qwen1.5-110B又取得了大幅提升。

开篇一张表，很明显地可以看出Qwen2-72B在数学（GSM8K、MATH），以及代码（C-Eval）、逻辑推理（CMMLU）、多语言能力上（MMLU），取得了明显的提升。

其性能大幅超越了著名的开源模型Llama3-70B、Mixtral-8x22B。尤其是在代码、逻辑推理上，领先对手20+分。

指令微调版的Qwen2-72B-Instruct，汲取了CodeQwen1.5强大的代码经验，并将其融入研发。

结果如下，在8种编程语言上，尤其是JS、C++，Qwen2-72B-Instruct性能超越Llama-3-70B-Instruct。

在数学上，Qwen2-72B-Instruct同时实现了数学能力显著提升，在如下四个基准测试中，性能分别超越了Llama-3-70B-Instruct。

另外，小模型方面，Qwen2系列基本能够超越同等规模的最优开源模型，甚至更大参数规模的模型。

比起Llama3-8B-Instruct，Qwen2-7B-Instruct能在多个评测上取得显著的优势，尤其是代码及中文理解上。

最高128k，大海捞针全绿

Qwen2系列中，所有的Instruct模型均在32k上下文中，进行了训练。

在大海捞针实验中，Qwen2-72B-Instruct能够完美处理128k上下文长度内的信息抽取任务，实现了全绿的成绩。

如果有足够的算力，72B指令微调版凭借其强大的性能，一定可以成为处理长文本任务的首选。

更值得一提的是，为了提升模型多语言能力，研究人员还针对性地对除中英文以外的27种语言进行了增强：

比如阿拉伯语、法语、荷兰语等等。

在阿拉伯语榜单上，Qwen2-72B性能直接刷榜。

安全性堪比GPT-4

当然，模型安全也是训俩过程中，至关重要的一部分。

如下，展示了大模型在四种多语言不安全查询类别（非法活动、欺诈、色情、隐私暴力）中生成有害响应的比例。

通过显著性检验（P值），看得出Qwen2-72B-Instruct模型在安全性方面，与GPT-4的表现相当，并且显著优于Mistral-8x22B模型。

坚持开源，唯一引起Altman注意的国产大模型

依靠着强大研发能力、领先的基础设施能力，以及开源社区的充分支持，通义千问大模型一直在持续优化和进步。

2023年8月，这个消息振奋了国内AI圈：阿里云成为国内首个宣布开源自研模型的科技企业，推出第一代开源模型Qwen。

而在随后不到一年时间，通义先后开源了数十款不同尺寸模型，包括大语言模型、多模态模型、混合专家模型、代码大模型等等。

这种开源频率和速度，可以说是全球无二，模型性能也在随着版本迭代肉眼可见地进化。

而自Qwen-72B诞生后，Qwen系列更是逐渐步入全球大模型竞争的核心腹地，在权威榜单上，多次创造中国大模型的「首次」！

不久前，奥特曼在X上转发了一条OpenAI研究员公布的消息，GPT-4o在测试阶段登上了Chatbot Arena（LMSys Arena）榜首位置。

这个榜单，是OpenAI唯一认可证明其地位的榜单，而Qwen，正是其中唯一上榜的国内模型。

多次冲进LMSys榜单的国产大模型，只此一家

另外，早些时候有人做了个LMSys榜单一年动态变化的视频。

结果显示，过去一年内，国产大模型只有Qwen多次冲进这份榜单。

最早出现的，是通义千问14B开源视频Qwen-14B，然后就是Qwen系列的72B、110B以及通义千问闭源模型Qwen-Max。

而且，它们的得分一个比一次高，LMSys也曾官方发推，认证通义千问开源模型的实力。

可以看出，在顶尖模型公司的竞争中，目前为止，中国模型只有通义千问真正入局，能与头部厂商一较高下。

爆火全球AI社区，歪果仁：真香

如今，Qwen系列模型已经在全球范围内爆火，成为最受外国开发者瞩目的中国开源模型之一。

在不到一年时间，通义千问密集推出了Qwen、Qwen1.5、Qwen2三代模型，直接实现了全尺寸、全模态的开源。

就在最近一个月内，Qwen系列的总下载量已经翻了倍，直接突破1600万次。

与此同时，在海内外开源社区，基于Qwen二次开发的模型和应用，已经出现超过1500款！

其实，早在今年2月Qwen1.5发布前后，就有大量开发者在线催更Qwen2。

开发者用脚投票的结果，直接显示了Qwen系列有多受欢迎。

在网上冲浪的时候，会明显发现Qwen的很多忠实拥趸都是海外开发者，他们时常在社交平台发表「我们为什么没有这种模型」的溢美之词。

19岁获得博士的Stability AI研究主任Tanishq表示，以Qwen为代表的最有竞争力、为开源生态做出重大贡献的开源基础模型，就是来自中国。

6月7日晚24点左右，众望所归的Qwen2上线后，也迅速获得多个重要的开源生态伙伴的支持。

其中包括，TensorRT-LLM、OpenVINO、OpenCompass、XTuner、LLaMA-Factory、Firefly、OpenBuddy、vLLM、Ollama等。

可以说，通义大模型用行动证明了开源开放的力量。

商业模型更具前景

阿里云是全球唯一一家积极研发先进AI 模型，并且全方位开源的云计算厂商。

坚持自研与开源，也让阿里云的商业模型更具前景。

在未来的大模型市场，不可能是一个模型能适应所有需求，也不可能只有一种模型服务方式（API）。

开源模型把选择权交给了企业和开发者，让能用户在场景、性能、成本之间，找到理想的配比。

其实，从自身主观来说，这也正是云厂商的本质使然。

云计算算力集中、灵活部署、按需付费、成本较低的特点，天然就适配大规模的推理需求。

在5月，阿里云发起「击穿全球底价」的大模型API降价，目的正是加速AI应用爆发。

如今，坚持做「国货」的阿里云，也在坚持着开放路线。

卷价格，抑或是卷模型本身，都是在为激活AI行业生态贡献力量，加速应用爆发，从而形成有国际竞争力的技术体系和话语体系。

生态建设

如今，AI大模型已成全球数字技术体系的竞争，这个体系包括芯片、云计算、闭源模型、开源模型、开源生态等等。

中国信息化百人会执委、阿里云副总裁安筱鹏指出，全球AI大模型竞争的制高点，就是AI基础大模型，因为它决定了产业智能化的天花板，商业闭环的可能性，应用生态的繁荣以及产业竞争的格局。

与此同时，开源生态在整个技术体系的竞争中也有着至关重要的作用。

优质的开源模型，让海量的中小企业和开发者免于从头开始训练大模型，直接站在前沿技术成果的肩膀上做创新。就好比从海拔0米的地方把人运送到5000米的珠峰大本营，再去爬剩下的3000米。

阿里云持续开源自研模型，牵头建设中国最大的AI开源社区魔搭，正是为了推动AI应用门槛的降低。

如今，大模型应用创新的奇点还没有到来。

当大模型的大部分潜力被真正挖掘出来，当越来越多开发者和企业结合自己需求，促进大模型的发展和应用，届时必将发生天翻地覆的变化。

文章来源于“新智元”，作者“新智元”