GPT-4王冠沒掉！ Claude 3競技場人類投票成績出爐：僅居第三

Claude 3的競技場排名終於來了：

短短3天內，20000張投票，將榜單的流量推向空前。

最終，Claude 3最強的「大盃」模型Opus得分1233，成為第一位能和GPT-4-Turbo一較高下的選手。

「中盃」Sonnet也還不錯，和GPT-4的兩個舊版本不相上下。

圖片

不過總的來說，還是GPT-4系列佔上風。

Claude 3的表演和宣傳有些許出入。如網友總結：

GPT-4還是大模型之王！

但，免費的「中盃」Claude 3（Sonnet）更物超所值。

圖片

大模型競技場出爐，「新王」排第三

Claude 3發佈時官方的宣傳是全面超過了GPT-4，但沒提是哪個版本的GPT-4。

圖片

競技場榜單（LMSYS Chatbot Arena Leaderboard）的最新更新，幫咱摸清了。

來看詳細情況。

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。

它功能更強價格也更便宜，具有128k上下文，訓練資料從先前的2021年9月更新到2023年4月。

與它並列第一的是GPT-4 Turbo最新的版本，今年一月發布的：

GPT-4-0125-preview。

它的訓練資料更廣，擴展到了2023年12月。

兩者都取得了1251的分數。

接著才是Claude 3（訓練資料截止到2023年8月）。

它的最強版本Opus得分1233，比GPT-4 Turbo低了18分。

圖片

這個差距相比起來不算太大，畢竟再往下看：

它比GPT-4的兩個版本（0314、0613）分別高了48分、72分。

至於中等性能的Claude 3 Sonnet，則排名第6，位於GPT-4這兩個版本之間：

#不過只比0314版低5分，大有潛力一舉超越。

圖片

所以總的來說，官方宣傳的也算沒大毛病，全面超越老版GPT-4，但離GPT-4 Turbo還有點距離，雖然不算太大。

——從此榜單的評比機制等情況來看，它的結果還是相當有業界認可的。

它是由「小羊駝」（Vicuna）的作者團隊發起。

但裁判官不是“小羊駝”，更不是GPT-4，而是基於人類偏好。

詳細來說，也就我們隨機向兩個匿名模型提出任意問題，然後評價它們各自的回答，把票投給更好的那一個。

圖片

如果一輪投不出，咱可以選擇繼續提問。如果聊天中模型不小心透露了自己的身份，投票則作廢。

特別的，計分規則採用Elo機制來保證公平（玩王者榮耀的朋友都熟）。

舉個例子：如果某個模型輸了，但它的分數不一定低，因為它本身實力就弱，這是預料之中。

截止目前，這個榜單可以說是非常火爆，已經有全球73個模型參與挑戰，共收到了網友們37萬張 投票。

通義千問擠進前10

除了Claude 3，我們再看看其他表現亮眼的選手。

首先要提的是基於Gemini Pro的Bard，排名第四，僅次於GPT-4Turbo和Claude 3。

圖片

可以說有點讓人驚訝。

網友戲謔：

Google這是生生在排行榜上開了個「洞」啊。

並連忙艾特JeffDean和DeepMind負責人：餵，加把勁兒啊（旺柴）

圖片

然後要說的是阿里通義千問（1.5版本，上個月發布）。

它在本次排名中擠進了前十名、並列第九，是國內選手中表現最好的。

圖片

被它甩在身後的，除了其他國產選手，還有Claude 2、Gemini Pro和GPT-3.5等等。

完整名單：https://www.php.cn/link/e39505ef839c38f61139ae78da3f7615
#參考連結：https://www.php.cn/link/ 30637ce29549ac951061fd211d43c3b0

以上是GPT-4王冠沒掉！ Claude 3競技場人類投票成績出爐：僅居第三的詳細內容。更多資訊請關注PHP中文網其他相關文章！