在「最难LLM评测榜单」上，阶跃万亿参数模型拿下中国第一

重写文本：

大模型格局再变：阶跃星辰跻身前五

国内人工智能领域传来重磅消息：

头部大模型创业公司阶跃星辰凭借其万亿参数大语言模型 Step-2 在权威大模型基准 LiveBench AI 上取得突破，位列第五，成为前十名中唯一的国产大模型。

Step-2 仅次于 OpenAI 和 Anthropic 两家公司，进一步凸显了国产大模型的快速发展。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

榜单地址：https://livebench.ai/#LiveBench 是当前生成式 AI 领域最权威、客观的模型能力评测榜单之一。它是由图灵奖得主、Meta 首席 AI 科学家 Yann LeCun 联合 Abacus.AI、纽约大学等机构推出的，今年六月才首次上线。它旨在消除现有 LLM 基准的局限性，被称作是「世界上第一个无法被操纵的大语言模型基准测试」。

1. LiveBench 采用一种创新的基准测试方法，包含 6 大类共 18 项任务。
2. 为了防止大模型“作弊”，LiveBench 每月发布新问题，这些问题基于最近发布的数据集、arXiv 论文、新闻文章和 IMDb 电影简介设计，以限制潜在的数据污染。每个问题都具有可验证且客观的真实答案，从而实现难题的自动化评分，无需 LLM 评审员。
3. 通过定期更新问题集和采用客观的自动化评分方法，LiveBench 提供了一个公平且准确的评估平台，同时促进了 LLM 的持续改进和社区参与。
4. 在最近的榜单中，step-2-16k-202411 模型的“Global Average”得分位居第五，已非常接近第三名和第四名。
5. 值得注意的是，在提交的成绩中，Step-2 的指令跟随（IF Average）得分位居全榜第一，展示了对语言生成细节的强大控制力。具体来说，该任务要求对《卫报》最近的新文章进行转述、简化、概括或编写故事，同时遵循一项或多项指令，例如字数限制或将特定元素纳入答复中。

不断进化的 Step-2 万亿参数大模型

自发布以来，Step-2 持续快速迭代，与国际领先大模型的差距大幅缩小。

今年 3 月，阶跃星辰推出了 Step-2 语言大模型预览版，成为国内首个由创业公司发布的万亿参数模型。WAIC 2024 期间，阶跃星辰发布了 Step-2 万亿参数语言大模型正式版，其在逻辑推理、编程、中英文知识和指令理解等方面的表现接近国际顶尖模型。

深入了解，Step-2 万亿参数语言大模型有两大亮点：MoE 架构和万亿参数。

训练 MoE 模型有两种方式：基于现有模型进行升级（upcycle）或从头开始训练。upcycle 方式计算需求低且训练效率高，但上限较低。而从头开始训练 MoE 模型难度更高，但能达到更高的上限。

AGI-Eval评测社区

AI大模型评测社区

63

查看详情

阶跃星辰团队自主研发了 Step-2 MoE 架构并从头开始训练。通过专家参数共享和异构化专家设计等创新设计，Step-2 的每个专家模型都得到充分训练，总参数量达到万亿级，每次训练或推理激活的参数量也高于市面上的大多数密集模型。

此外，训练这样一个万亿参数模型对系统团队提出了极大挑战。在 Step-2 训练过程中，阶跃星辰系统团队突破了 6D 并行、极致显存管理和全自动化运维等关键技术，成功完成了 Step-2 的每一次升级。

根据 Scaling Law，当模型参数达到万亿规模时，推理能力（如数学和编程）将显著提升。这促使 Step-2 取得了与 OpenAI o1、Claude 3.5 Sonnet 等模型相当的出色表现。

不断进化的 Step-2 万亿参数语言大模型已接入阶跃星辰的 C 端智能助手「跃问」，可在跃问 App 和网页端（https://yuewen.cn）使用。

阶跃星辰的大模型矩阵打造之路

与国内大模型领域的知名公司相比，阶跃星辰是后来者。该公司由微软前全球副总裁姜大昕创办，去年 4 月成立，今年 3 月才崭露头角。

1. 阶跃星辰的创始人兼首席执行官姜大昕，曾担任微软全球副总裁和微软亚洲互联网工程院首席科学家。

2. 尽管成立时间较短，阶跃星辰已跻身国内 AI 创业公司第一梯队，并在一年内迅速发布了 Step 系列模型“全家桶”，包括万亿 MoE 语言大模型 Step-2、多模态理解大模型 Step-1.5V 和图像生成模型 Step-1X。

3. 在 AGI 技术路线图上，阶跃星辰选择了单模态、多模态、统一多模态理解和生成、世界模型和通用人工智能（AGI）的路径。

以上就是在「最难LLM评测榜单」上，阶跃万亿参数模型拿下中国第一的详细内容，更多请关注php中文网其它相关文章！