原標(biāo)題：2024年人工智能年終總結(jié)報(bào)告｜Artificial Analysis
文章來源：新智元
內(nèi)容字?jǐn)?shù)：4152字

2024人工智能年度回顧：飛速發(fā)展的一年

2024年，人工智能領(lǐng)域經(jīng)歷了前所未有的飛速發(fā)展，堪稱里程碑式的一年。各家大模型能力提升顯著，涌現(xiàn)出一批具有突破性進(jìn)展的模型，對人們的生活和學(xué)習(xí)方式產(chǎn)生了重大影響。本文將對Artificial Analysis提供的2024年人工智能年度回顧報(bào)告進(jìn)行總結(jié)。

1. 大模型領(lǐng)域的軍備競賽

自2022年ChatGPT發(fā)布以來，生成式AI領(lǐng)域的“軍備競賽”持續(xù)升溫。短短兩年內(nèi)，多個實(shí)驗(yàn)室已追趕上甚至超越了OpenAI的GPT-4。例如，Claude 3.5 Sonnet、Gemini 1.5 Pro以及Gemini 2.0 Flash等模型都展現(xiàn)出超越GPT-4o的智能水平。雖然美國仍占據(jù)LLM領(lǐng)域的主導(dǎo)地位（ChatGPT、Gemini、Claude、Nova、LLama系列），但中國（Qwen2.5 Instruct 72B、DeepSeek V2.5等）和部分歐洲國家也取得了顯著進(jìn)展。

2. 開源模型的崛起與價(jià)格下降

OpenAI不再“Open”并沒有導(dǎo)致開源模型與專有模型性能差距難以逾越。Meta、Mistral和阿里巴巴等發(fā)布的開源模型縮小了與專有模型的性能差距。更重要的是，語言模型的推理定價(jià)大幅下降，例如GPT-4o mini的價(jià)格僅為GPT-4的百分之一，國產(chǎn)模型Qwen2.5 72B的價(jià)格也遠(yuǎn)低于GPT-4 Turbo。這得益于小模型也能達(dá)到之前只有大模型才能達(dá)到的智能水平，例如微軟的phi-4模型。

3. 上下文窗口的擴(kuò)展與多模態(tài)能力的增強(qiáng)

上下文窗口長度已達(dá)到128K tokens，比2023年三季度增長了32倍，支持多模態(tài)輸入（圖像、視頻、音頻）。用戶更傾向于使用頭部企業(yè)的產(chǎn)品（OpenAI、Meta、Anthropic、Mistral、Google），選擇模型的關(guān)鍵因素包括推理質(zhì)量、上下文窗口、價(jià)格和速度。用戶需求涵蓋信息抽取、長文本總結(jié)、文本生成等，并越來越重視模型的多模態(tài)能力。大部分開發(fā)者同時使用多個模型，72%直接使用已發(fā)布模型，24%進(jìn)行微調(diào)，僅4%從頭訓(xùn)練。

4. 圖像生成技術(shù)的飛躍

2024年圖像生成質(zhì)量顯著提升，在照片真實(shí)感、提示符合度和文本渲染方面取得了巨大進(jìn)步。多個先進(jìn)的文生圖模型不斷迭代推出，例如Recraft v3。OpenAI的Sora以及快手的可靈、MiniMax的海螺AI、騰訊的混元等模型在該領(lǐng)域展開激烈競爭。

5. 文本轉(zhuǎn)語音和語音識別的進(jìn)步

OpenAI的Whisper模型重塑了語音識別領(lǐng)域，云推理服務(wù)提供商在響應(yīng)速度和價(jià)格上展開競爭，帶來高性價(jià)比體驗(yàn)。例如，Groq發(fā)布的最新Whisper模型比亞馬遜2018年模型價(jià)格降低了72倍，速度提升了11倍。文本轉(zhuǎn)語音模型也達(dá)到了新的質(zhì)量里程碑，超越了之前的云服務(wù)供應(yīng)商。

總而言之，2024年人工智能領(lǐng)域發(fā)展迅猛，大模型能力持續(xù)提升，價(jià)格持續(xù)下降，應(yīng)用場景不斷拓展。 雖然報(bào)告中未包含最新的o3和Gemini 2.0 Flash Thinking，但其飛速發(fā)展已超乎想象，令人對2025年充滿期待。

聯(lián)系作者

文章來源：新智元
作者微信：
作者簡介：智能+中國主平臺，致力于推動中國從互聯(lián)網(wǎng)+邁向智能+新紀(jì)元。重點(diǎn)關(guān)注人工智能、機(jī)器人等前沿領(lǐng)域發(fā)展，關(guān)注人機(jī)融合、人工智能和機(jī)器人對人類社會與文明進(jìn)化的影響，領(lǐng)航中國新智能時代。