2023 年 3 月 14 日， GPT-4 发布。自那一天之后，就好像打开了潘多拉魔盒一样，各种 AI 大模型就跟开大会，前后脚地发布。从号称 OpenAI 杀手的 Claude ，到比 GPT 热度还高的 Auto GPT ，再到国产的文心一言、通义千问等等。这股井喷速度，多少让人有些眼花缭乱了。
结果还没歇两天，差评君又遇到了一个非常特殊的参赛选手。
按理来说，它是游戏起家的，手握《 海岛奇兵 》、《 皇室战争 》的发行权。但它搞起浏览器也很有一套，欧洲的老牌浏览器 Opera ，被它在海外玩的风生水起。甚至 2018 年的时候，在纳斯达克上市了。做起社交软件来，思路也很清奇。旗下的音乐社交平台 StarMaker，在海外默默做了 6000 多万用户。
曾经控股的同性社交平台 Grindr ，出售后帮他们一把赚到了 30 多亿。。
相信肯定很多朋友已经猜到，差评君这次要介绍的是谁了。就是那个总是被人调侃忘了游戏老本行的昆仑万维，这回似乎他们又往舒适圈外面，迈了一大步。早在去年，他们就一次性拿出了绘画、编程、音乐和文本四大板块的 AI 成果。当时，差评君还带大家体验了一把它们的 AI 绘画。
而这一次，他们又带来了和 AI 团队奇点智源合作的大语言模型——天工。天工算是昆仑从 2021 年起，研究 AI 模型到现在所有心血的集大成者，前前后后烧掉了能有几个亿。在 4 月 17 日的产品演示直播上，昆仑就直接现场实测了天工。
这回，差评君也是很幸运地拿到了天工的测试资格。下面就让我们上手测试一下，这个烧掉了这么多钱的“ 宝贝儿子 ”，到底能有几斤几两。测了那么多大模型，对比来，对比去的，说到底还是为了提升效率。毕竟，要是根据 OpenAI 创始人的说法，这 AI 继续发展下去，以后咱们可就是全部不用工作了。所以，这次我们就落到实地，看看这些烧了几亿的大模型，到底能省多少力。
在正式测试开始之前，咱们要先摸底考核一下。作为一个大语言模型，需要具备的基本功有两项，一个是学习，一个是持续对话。只有这两项能力过硬，模型的使用感才会好。首先是学习能力的测试。这里，差评君教了天工一套我自创的规则。给它一些正向情绪的语句，并且把这个语句标注为 “ 0 ” ，负面情绪的语句则标注为 “ 1 ” 。然后，再给它几个语句，让它做标注。结果，效果不错，天工确实是准确地给出了正确的标注，说明它学会了我的规则。
第一关考核通过。
差评君连续地问了天工几个问题，它基本能结合上下文回复我。说明天工是能做到多轮对话的。不过，差评君觉得这个程度，还不够。咱们给天工，再加上点难度。
向上滑动 ▼
之后，差评君又向天工咨询了宠物饲养的问题。并且，在交谈中，我无意中跟它透露了， “ 我不希望和小明家一样养狗 ” 这个信息。
之后，又多次问了其它问题，比如养猫需要的注意事项。在几轮对话之后，我重新问了天工：
小明家养了什么宠物？虽然，天工一开始没反应过来，但是稍加引导，它立刻回忆起来前面我提供的信息，并告诉了我正确答案。
更让差评君比较诧异的是，同样的问题，当我问 ChatGPT 的时候，却把它难住了。甚至是目前大模型里的尖子生 GPT-4 ，居然都没有办法做对。。
在我引导下， GPT-4 甚至已经追溯到了有信息的提问段落，但是没有办法理解 “ 小明养的宠物是狗 ” ，这么一个简单的事实。之所以天工能做到，是因为它支持 20 轮以上的对话。而且，不仅仅是长对话，它还能做到理解语义和记忆上下文，这些进阶技巧。
看来天工这小子，基本功夫相当扎实，是能处的。摸清了底之后，我们就能开始正式的测验了。让天工代替一下差评君的工作，测测它是不是块写作大师的料。
差评君拿了最近在想的一个选题—— “ 测谎仪到底有没有用？” ，让天工试试手。因为影视作品里很多时候，把这玩意搞得神乎其乎的，甚至有国家，还把测谎仪当成法庭上的证据。
天工告诉了我答案：测谎仪会受到很多因素影响，并不能肯定一个人是否说谎。
带着这些疑问，让我们继续下去。
为了解释清楚测谎仪的前世今生，我让天工围绕测谎仪，帮我列一份大纲。
几秒钟之后，一份脉络清晰的大纲就被生产出来了。
从测谎仪的原理、历史、应用以及争议几个方面来解答这个选题，基本上和差评君平时写文章的路线差不多。
稍微有点惊喜的是，它帮我考虑到了在不同类型案件中，测谎仪可能会有不同的使用范围。
但这还不是极限，我们可以让天工，进一步细化这份大纲。
比如，差评君让它详细讲述了一下，在案件中嫌疑人是怎么使用测谎仪的。
天工基本能分点罗列出来了，逻辑上来讲是挺清晰的。就是文字处理，有点像百度百科的介绍，能读，但是不出彩。。
不过，它倒是贴心地反复提醒差评君，测谎仪这玩意不准的，生怕我上当受骗。
一些外文的资料，我也可以直接丢给天工去翻译。
比如这段维基百科里对测谎仪的介绍，天工基本上几秒钟就翻译好了。
通过天工翻译后的内容，我们能知道在测谎仪的程序里，会有测试员故意要求被测者撒谎，以此来证明测谎仪有用。
甚至，差评君发现天工还能当做整理助手使用。
丢一段文字给它，天工能分析数据和信息，一键总结成表格。比如测谎仪的检测，主要是靠呼吸频率、血压心压、皮肤抗性。
这样一来，原本复杂的资料，就被梳理的很清晰了，能大大节省消化资料的时间。
不过，当给天工的数据一多，它很容易会处理卡壳。就需要人工去梳理，这样一来二去，效率上有点拉了。
但总的来说，在文本生成方面，天工算是有两把刷子在身上。尤其是表格整理，差评君觉得相当实用了。
不过，光有文本能力还不够，逻辑、代码、数学题等基础测试，差评君也给天工安排上了全套。
测试第一轮代码题的时候，天工的表现还是很不错的。差评君用一句话，让天工帮我做了一个简单的小网站。按钮变动的大小和效果，页面和按钮颜色，都做对了。
黑色的网页中间，有一个蓝色的圆形按钮，当鼠标移动到按钮上，按钮会缓慢放大
就是不知道为什么，最后有点画蛇添足。天工在代码中，多写了一行位移效果，导致按钮放大的同时，还出现了漂移。
但到了第二轮的数学题测验，天工慢慢就有点吃不消了。
面对题干里的各种数据和条件，天工蒙圈了。它一直纠结在了，青蛙跳 3 米花的时间上。。
谢谢你，把我的时间规划到了小数点后两位
后面，差评君又试着问了经典的鸡兔同笼问题，天工也是在带入方程的时候，计算错误了。
看来很可能是因为数学题的变数太多了，大语言模型很容易在某一步出错。
所以，当天工遇上变数更多，逻辑更诡异的逻辑题时候，就容易在题目的陷阱里中招。
比如当我问，A 参加跑步比赛，刚刚他超过了第三名，请问他现在是第几名？
天工给了我正确的回答，A 现在是第三名。
可当我们换一种问法，就会发现天工的逻辑不适用了。
但总的来说，天工有强项，也有弱项。
在逻辑和数学能力上，可能还需要打磨打磨。但在，文科方面，天工还是能拿得出手的。
尤其是多轮对话、制作表格、提高写作效率各方面，已经可以一定程度上解放人力。
而且，就在差评君拿到测试资格的几天里，天工一直在不断地迭代更新。不仅在各种问题处理上也肉眼可见的进步，而且资料库更新很快。
虽然天工是不联网的，但我试探性地问了几个顶流国宝的问题，它居然都能对上。
连热腾腾的淄博烧烤梗，天工这小子居然也门清。如此快的更新迭代速度，都是国产 AI 模型互卷带来的结果。在差评君看来，这是个好事。只有井喷的局面出现，才会加速缩短我们与 OpenAI 的差距。而这一次，昆仑万维作为一个新生，但是有水平的玩家，加入了战局。
我们差评获得了 5 个邀请码，请大家留言自己想和「天工」互动的问题，点赞最高的 5 个读者将获得邀请码～获得邀请码的读者，点击文章下方的阅读原文，就可以跳转到官网了~撰文：四大 编辑：江江 & 面线 & 结界 封面：
图片、资料来源：
天工、ChatGPT
（广告）
