3月，国内外模型公司动作频频。国产大模型独角兽“五小虎”之一零一万物也有诸多新动作。

这不，前脚刚发布高性能向量数据库，零一万物又立马正式发布了自己的API开放平台，

共为开发者提供三个版本的模型：

§ Yi-34B-Chat-0205：支持通用聊天、问答、对话、写作、翻译等功能。

§ Yi-34B-Chat-200K：200K上下文，多文档阅读理解、超长知识库构建小能手。

§ Yi-VL-Plus：多模态模型，支持文本、视觉多模态输入，中文图表体验超过GPT-4V。

去年11月，零一万物就正式开源发布了首款预训练大模型Yi-34B，当时的模型已经能处理200K上下文窗口，约等同于20万字文本。这次开放API平台，在Yi-34B的基础上，有什么新亮点？

要说有什么独特之处，我愿以五个“更”来概括。

分别是覆盖更大的参数量、更强的多模态、更专业的代码/数学推理模型、更快的推理速度、更低的推理成本。

并且！

Yi大模型API开放平台兼容OpenAI的API，可以随心快速丝滑切换。

更多详情，一起来看——

此次API开放，最亮眼的地方一共有两点。

首先是200K的超长上下文窗口，可以一口气处理约30万个中英文字符，相对于读完整本《哈利·波特与魔法石》小说。

在大海捞针测试中，Yi-34B-Chat-200K取得了几乎全绿的成绩，准确率高达99.8%。

实际测试中，篇幅近两百页、总字数19万的《三体》第一部，Yi很快就能读完并给出总结。

而且细节关注到位，能从故事中提取出主要角色信息和他们的事迹，然后直接用表格的形式呈现在我们面前。

我们又补充追问了十个细节问题，答案分散在整部小说的各个位置，结果Yi全部答对。

另一大亮点，是Yi-VL-Plus强大的多模态能力。

多模态版本中，在保持LLM通用知识、推理等能力的前提下，图片内中文、符号识别能力大幅增强，体验超过了GPT-4V。

而且图片输入分辨率也提高到了1024×1024分辨率，并专门针对图表、截屏等生产力场景进行了优化。

比如下面这张图来自一篇文献综述，列举了课题相关论文中被引量最高的10篇。

Yi-VL-Plus准确地找到了目标文献，并准确识别出了文章标题，遇到“嗪”这种不常见的专业文字也没掉链子。

再看看GPT-4V这边，则是主打一个已读乱回，给出的文章标题不知道来自何处。

而除了识读图表和文字，Yi-VL-Plus还支持学习专业知识并立即用于图像的解读。

比如早期体验过的开发者教给模型一些心理学知识后，Yi-VL-Plus就能根据孩子的铅笔画展开一些基本的分析。

并且，模型给出的分析获得了专业人士的认可，给出了“较准确”的评价。

△开发者星云爱店CTO大董提供的测试资料，文图数据均脱敏

总之，凭借强大的长文本和多模态处理能力，无论是在to B还是to C场景，Yi都能构建出高效的大模型应用。

举个例子🌰，在to C场景中，可以用基础或多模态版本构建智能对话助手，进行深层次的对话问答。

而在B端，可以把Yi整合到现有产品，搭建出Copilot类的应用，抑或是利用超长文本能力建立知识库，打造出客服等特定场景的智能助手。

在前期的开发者邀测中，拥有阿里、美团等多家大厂工作经历的知乎大佬@苏洋就利用Yi的API搭建出了一个翻译器应用。

据作者本人介绍，他是看到GitHub上的一份开源的机器学习书籍之后萌生了翻译的想法，然后开始搭建这个应用的。

而之所以选择Yi作为承担这一工作的大模型，就是看中了它超出的上下文窗口，能够将作者每一章的全文都扔到模型里，而不用切分章节或做一些递归式的章节摘要等麻烦事。

另一方面，Yi和OpenAI的兼容性，也让作者直接利用LLM平台的OpenAI兼容API模块，就快速完成了模型的接入。

接入完模型之后就是几乎可以一键完成的模型搭建了，这里需要做的只是点选应用的类型，然后起个名字，并适当调节一些参数。

在此基础之上，作者又用golang对模型调用程序进行了编译，进一步提升了整个流程的自动化程度。

最终，一个全自动的翻译工具就大功告成了。

如果不看最后的进阶部分，利用Yi的API快速构建一款AI应用，简直不要太简单！

而除了这些应用上肉眼可见的优势，Yi系列API在技术层面的亮点同样可圈可点。

在Yi优异表现的背后，无论是API还是模型本身，都必然有强大的技术作为支撑——在技术上，Yi有哪些特色？

首先，Yi与OpenAI API完全兼容。

这意味着开发者只需修改少量代码，就能完成从OpenAI到Yi的平滑迁移，实现了替换成本的最小化。

同时，为了提升API性能，零一万物在API侧进行了专门的推理优化。不仅推理速度更快，用户体验的流畅性和响应速度也都相应提高。

而针对模型自身的其他亮点，我们充分利用了Yi的长文本分析能力，从它的技术报告中进行了提炼。

当然，除了专门针对API做的优化之外，基础模型的能力同样不可或缺。

为了实现模型能力的提升，研究团队从保证训练数据质量、在tokenization中运用独特设计、微调阶段积累经验等多个角度进行了攻关，增强了模型的优势并在API段充分发挥。

比如从训练阶段开始，研究团队就对数据进行了精心挑选，引入了启发式规则去除低质量文本，并利用机器学习方式识别有害内容。

同时研发人员还对训练数据中的文本进行聚类分析，并实施严格的去重机制，最大程度保证训练数据的质量。

而tokenization阶段，同样体现着研发人员的独到设计。

Yi使用字节对编码进行分词和词汇表的构建，减少了词汇表的大小并提高了编码效率。

同时最大程度保留原始符号，避免变换过程中造成的信息丢失。

针对数字，Yi还采用了拆分成单个token的方式来提高模型理解力；甚至对于特殊和无法识别的字符，也有专门的应对策略。

到了微调环节，Yi从技术报告总结出的关键经验就更多了。

比如“数据质量高于数量”的重要思想，从训练阶段开始就贯穿始终。

此外还有迭代过程、标签系统、结构化格式等诸多策略，这里就不再一一赘述了。

看到这里，旁友们应该对Yi API的能力已经有一定了解了。

那么，Yi大模型API到底该如何食用？

此前，Yi大模型API已经在小范围开放内测。

“为了邀请更多的开发者并肩作战”，今天起，Yi大模型API名额开启了限量开放。

而且新用户还赠送60元（千万token）。

谁看了不说一句真香呢？？！指路这篇文章的评论区置顶，可获得申请直通车连接～

开放API平台后，零一万物下一步会又什么新动作？

零一万物技术副总裁及模型训练AI Alignment、开放平台负责人俞涛对此做出了答复，称近期将会为开发者提供更多更强模型和AI开发框架。

未来计划具体围绕以下三个方面展开：

第一，支持更快的推理速度，显著降低推理成本。

第二，突破更长的上下文，目标由目前的20万tokens拓展到100万tokens。

第三，基于模型具备的超长上下文能力，构建向量数据库、RAG、Agent架构在内的全新开发者AI框架。

看来，零一万物的下一步棋，就是推理更快、窗口更长，同时提供更加丰富和灵活的开发工具，以适应不同开发者需求下的多样化应用场景。