代码能力超越GPT-4,这个模型登顶Big Code排行榜,YC创始人点赞
一款号称代码能力超越GPT-4的模型,引发了不少网友的关注。
准确率比GPT-4高出超过10%,速度却接近GPT-3.5,而且窗口长度也更长。
据开发者描述,他们的模型取得了74.7%的Pass@1通过率,超过了原始GPT-4的67%,登上了Big Code榜首。
这个模型名叫Phind,和以其为基础的面向开发者的AI搜索工具同名。
它是由开发团队在CodeLlama-34B的基础之上微调得到的。
Phind利用TensorRT-LLM在H100上可以跑出每秒100个token的速度,是GPT-4的5倍。
此外,Phind的上下文长度达到了16k,其中12k可供用户输入,另外4k保留给检索结果中的文本。
针对这个产品,网友们议论纷纷,结果是喜忧参半:
支持的人,如著名创业投资公司YCombinator创始人Paul Graham表示,Phind可以让人们用更少的资源和大厂抗衡。
也有网友具体列出了Phind的优点:
不认可Phind的网友则说,自己之前用GPT-4写的代码,Phind写不出来:
更是有人吐槽说,GPT“每天都在被打败”,但是从来没被超越过。
有意思的是,在Phind应用当中,自研模型又被称作“fast model”,而“best model”仍然是GPT-4。
(虽然没明说,但是GPT-4和best model的剩余可用次数是同步变化的)
所以,这个号称“击败了GPT-4”的模型到底是不是真的那么好用,我们进行了一番实测。
Phind vs GPT-4
正式开始之前,先来说说对Phind的第一印象。
它的界面十分简洁,主要就是一个搜索框,而且不需要登录就能无限量使用。
左下角有一个Pair Programmer的开关,直观上的区别就是开启之后回答界面更侧重对话,不开启的话则更像搜索引擎。
此外,还可以从自研模型和GPT-4中选择,GPT-4则需要登录,而且每天只能用10次。
接下来就是和GPT-4进行的对比测试,GPT-4没有开启代码解释器。
首先还是从LeetCode题目开始测起,Prompt就是是原问题加上下面这段话:
请用Python写一段代码解决这个问题,给出通用的解法,不需要设定参数值,代码需要以如下内容开头:
(LeetCode页面中给出的起始片段)
为了防止Phind通过检索来“作弊”,我们还在Phind的Prompt结尾加入了这句话:
不要检索任何信息,靠你自己的能力创建代码
第一题在LeetCode中被归为组合数学问题,难度为困难,通过率67.1%。
Phind给出了这样的代码和解释,经过测试,20条测试数据中有19项正确。
出错的是这一条,这里的输出结果应该是3,但Phind给出的程序运行结果是4。
我们试着反馈给Phind,看它能不能找出错误的原因,结果分析一番之后给出了新的代码,并通过了测试。
而GPT-4这边,则是一次性通过。
进入下一题,这道题目涉及到了动态规划,通过率为53.9%。
这次Phind和GPT-4都是以一次通过。
第三道题目的通过率只有约30%,但它的难度可能在于用来判题的测试数据太庞大了。
Phind给出的这段代码就在通过前12组测试数据之后出现了运行时间超限的现象。
我们让它试着进行优化,结果这次直接是算不对了。
而GPT-4则轻松解决,不过在解释说明部分有些错误,因为超级回文数的概念中的描述是“回文数的平方”而不是“平方是回文数”。
三道LeetCode题目测试下来,Phind以一平两负的成绩输给了GPT-4。
但需要说明的是,这里我们为了测试模型本身表现,通过提示词关闭了Phind的检索功能,但从实用角度出发,如果保留搜索,Phind还是能很好地解决这些问题的。
接着,我们又测试了一下他们的实际开发能力,这次的题目是扫雷游戏。
Phind会问我们有没有什么特殊要求,这里我们直接点跳过。
然后Phind会对任务进行拆解,对每个子任务又分别进行检索。
这时的代码也是分段给出的,有趣的是,在生成过程中,Phind会使用不同来源中的代码。
然后我们让Phind给出完整代码,并通过链接的第三方平台直接运行。
结果呢,我们一进去就看到程序已经非常“贴心”地把雷的位置清楚地标注好了。
不过这次,GPT-4的代码更加离谱一些,运行出来是这样的:
虽然都没做对,但硬要比较的话,这一轮,Phind略胜一筹。
一路测试下来,很难判断它们孰优孰劣,但考虑到搜索能力,以及免费免登录的特性,Phind还是可圈可点的。
参考链接:
https://www.phind.com/blog/phind-model-beats-gpt4-fast
—完—
NASA正在开发人工智能界面 宇航员可直接和AI对话
美国宇航局(NASA)工程师正在开发一种名为ChatGPT的人工智能界面,目的是让宇航员在航天飞船中与AI进行对话交互,或者让地面控制中心与远程探测智能机器人进行交流。该工程师表示,这种AI技术的早期版本有望部署在月球轨道空间站上。站长网2023-06-28 09:26:5500002023抖音读书生态报告:2022年抖音售出2.5亿单图书
今日,抖音发布《2023抖音读书生态报告》称,过去一年,读书类视频播放量同比增长65.17%,时长≥5分钟的读书类视频数量同比增长279.44%。抖音读书类直播场次同比增长66.23%,观看总人次同比增长96.73%,场均观看人次2700。2022年,2.5亿单图书在抖音售出。49%的消费者是首次在抖音购买图书,00后成了抖音买书的主力军,占据了52%之多。站长网2023-04-13 15:09:310001B站发布2023年Q2财报:营收53.04亿元 调整后净亏损同比收窄51%
凤凰网科技讯8月17日消息,哔哩哔哩(NASDAQ:BILI,HKEX:9626;以下简称“B站”)公布了截至2023年6月30日的第二季度未经审计的财务报告。财报显示,第二季度B站总营收达53.04亿元人民币,同比增长8%;毛利润实现同比增长66%,调整后净亏损同比收窄51%。0001对话椰树爆款直播操盘手:没有KPI、不投流,坚持“原汁原味”的审美
椰树,一直在“擦边”,从未被超越。到如今,“质疑椰树、理解椰树、成为椰树”的段子在品牌之间口口相传,就连椰树直播团队也会在公开场合大方承认“擦边”美学,调侃自己是“擦完左边擦右边”。只是直播负责人尹丹丹偶尔会有点“委屈”,因为很多人以为椰树直播幕后策划是个油腻的中年男人,而她实际是个90后湖南妹子:“老是被人误会我是个老色胚。”站长网2023-12-01 15:51:150000阻击ChatGPT,8块8的AI头像写真,已经赚到钱了?
一场被称为“科技春晚”的OpenAI开发者大会,让渐冷的AIGC行业再度变得火热。开发者大会上,时任OpenAI的CEO山姆奥特曼(SamAltman)宣布开放ChatGPT的自定义功能,不懂技术的人也能根据需求创建自定义版本的ChatGPT,简称GPTs,还将在11月底上线GPT应用商店,让这些GPTs实现商业化。站长网2023-11-20 09:44:510001