今天小編分享的科學經驗：零一萬物API開放平台出場！通用Chat多模态通通開放，還有200K超長上下文版本，歡迎閲讀。
3 月，國内外模型公司動作頻頻。國產大模型獨角獸 " 五小虎 " 之一零一萬物也有諸多新動作。
這不，前腳剛發布高性能向量數據庫，零一萬物又立馬正式發布了自己的API 開放平台，
共為開發者提供三個版本的模型：
Yi-34B-Chat-0205：支持通用聊天、問答、對話、寫作、翻譯等功能。
Yi-34B-Chat-200K：200K 上下文，多文檔閲讀理解、超長知識庫構建小能手。
Yi-VL-Plus：多模态模型，支持文本、視覺多模态輸入，中文圖表體驗超過 GPT-4V。
去年 11 月，零一萬物就正式開源發布了首款預訓練大模型 Yi-34B，當時的模型已經能處理 200K 上下文視窗，約等同于 20 萬字文本。這次開放 API 平台，在 Yi-34B 的基礎上，有什麼新亮點？
要説有什麼獨特之處，我願以五個 " 更 " 來概括。
分别是覆蓋更大的參數量、更強的多模态、更專業的代碼 / 數學推理模型、更快的推理速度、更低的推理成本。
并且！
Yi 大模型 API 開放平台兼容 OpenAI 的 API，可以随心快速絲滑切換。
更多詳情，一起來看——
200K 上下文視窗 + 多模态能力
此次 API 開放，最亮眼的地方一共有兩點。
首先是200K 的超長上下文視窗，可以一口氣處理約 30 萬個中英文字元，相對于讀完整本《哈利 · 波特與魔法石》小説。
在大海撈針測試中，Yi-34B-Chat-200K 取得了幾乎全綠的成績，準确率高達 99.8%。
實際測試中，篇幅近兩百頁、總字數 19 萬的《三體》第一部，Yi 很快就能讀完并給出總結。
而且細節關注到位，能從故事中提取出主要角色信息和他們的事迹，然後直接用表格的形式呈現在我們面前。
我們又補充追問了十個細節問題，答案分散在整部小説的各個位置，結果 Yi 全部答對。
另一大亮點，是 Yi-VL-Plus 強大的多模态能力。
多模态版本中，在保持 LLM 通用知識、推理等能力的前提下，圖片内中文、符号識别能力大幅增強，體驗超過了 GPT-4V。
而且圖片輸入分辨率也提高到了 1024 × 1024 分辨率，并專門針對圖表、截屏等生產力場景進行了優化。
比如下面這張圖來自一篇文獻綜述，列舉了課題相關論文中被引量最高的 10 篇。
Yi-VL-Plus 準确地找到了目标文獻，并準确識别出了文章标題，遇到 " 嗪 " 這種不常見的專業文字也沒掉鏈子。
再看看 GPT-4V 這邊，則是主打一個已讀亂回，給出的文章标題不知道來自何處。
而除了識讀圖表和文字，Yi-VL-Plus 還支持學習專業知識并立即用于影像的解讀。
比如早期體驗過的開發者教給模型一些心理學知識後，Yi-VL-Plus 就能根據孩子的鉛筆畫展開一些基本的分析。
并且，模型給出的分析獲得了專業人士的認可，給出了 " 較準确 " 的評價。
△開發者星雲愛店 CTO 大董提供的測試資料，文圖數據均脱敏
總之，憑借強大的長文本和多模态處理能力，無論是在 to B 還是 to C 場景，Yi 都能構建出高效的大模型應用。
舉個例子，在 to C 場景中，可以用基礎或多模态版本構建智能對話助手，進行深層次的對話問答。
而在 B 端，可以把 Yi 整合到現有產品，搭建出 Copilot 類的應用，抑或是利用超長文本能力建立知識庫，打造出客服等特定場景的智能助手。
在前期的開發者邀測中，擁有阿裏、美團等多家大廠工作經歷的知乎大佬 @蘇洋就利用 Yi 的 API 搭建出了一個翻譯器應用。
據作者本人介紹，他是看到 GitHub 上的一份開源的機器學習書籍之後萌生了翻譯的想法，然後開始搭建這個應用的。
而之所以選擇 Yi 作為承擔這一工作的大模型，就是看中了它超出的上下文視窗，能夠将作者每一章的全文都扔到模型裏，而不用切分章節或做一些遞歸式的章節摘要等麻煩事。
另一方面，Yi 和 OpenAI 的兼容性，也讓作者直接利用 LLM 平台的 OpenAI 兼容 API 模塊，就快速完成了模型的接入。
接入完模型之後就是幾乎可以一鍵完成的模型搭建了，這裏需要做的只是點選應用的類型，然後起個名字，并适當調節一些參數。
在此基礎之上，作者又用 golang 對模型調用程式進行了編譯，進一步提升了整個流程的自動化程度。
最終，一個全自動的翻譯工具就大功告成了。
如果不看最後的進階部分，利用 Yi 的 API 快速構建一款 AI 應用，簡直不要太簡單！
而除了這些應用上肉眼可見的優勢，Yi 系列 API 在技術層面的亮點同樣可圈可點。
絲滑切換 OpenAI API
在 Yi 優異表現的背後，無論是 API 還是模型本身，都必然有強大的技術作為支撐——在技術上，Yi 有哪些特色？
首先，Yi 與 OpenAI API 完全兼容。
這意味着開發者只需修改少量代碼，就能完成從 OpenAI 到 Yi 的平滑遷移，實現了替換成本的最小化。
同時，為了提升 API 性能，零一萬物在 API 側進行了專門的推理優化。不僅推理速度更快，用户體驗的流暢性和響應速度也都相應提高。
而針對模型自身的其他亮點，我們充分利用了 Yi 的長文本分析能力，從它的技術報告中進行了提煉。
當然，除了專門針對 API 做的優化之外，基礎模型的能力同樣不可或缺。
為了實現模型能力的提升，研究團隊從保證訓練數據質量、在 tokenization 中運用獨特設計、微調階段積累經驗等多個角度進行了突破瓶頸，增強了模型的優勢并在 API 段充分發揮。
比如從訓練階段開始，研究團隊就對數據進行了精心挑選，引入了啓發式規則去除低質量文本，并利用機器學習方式識别有害内容。
同時研發人員還對訓練數據中的文本進行聚類分析，并實施嚴格的去重機制，最大程度保證訓練數據的質量。
而 tokenization 階段，同樣體現着研發人員的獨到設計。
Yi 使用字節對編碼進行分詞和詞匯表的構建，減少了詞匯表的大小并提高了編碼效率。
同時最大程度保留原始符号，避免變換過程中造成的信息丢失。
針對數字，Yi 還采用了拆抽成單個 token 的方式來提高模型理解力；甚至對于特殊和無法識别的字元，也有專門的應對策略。
到了微調環節，Yi 從技術報告總結出的關鍵經驗就更多了。
比如 " 數據質量高于數量 " 的重要思想，從訓練階段開始就貫穿始終。
此外還有迭代過程、标籤系統、結構化格式等諸多策略，這裏就不再一一贅述了。
食用指南
看到這裏，旁友們應該對 Yi API 的能力已經有一定了解了。
那麼，Yi 大模型 API 到底該如何食用？
此前，Yi 大模型 API 已經在小範圍開放内測。
" 為了邀請更多的開發者并肩作戰 "，今天起，Yi 大模型 API 名額開啓了限量開放。
而且新用户還贈送 60 元（千萬 token）。
誰看了不説一句真香呢？？！指路這篇文章的評論區置頂，可獲得申請直通車連接～
開放 API 平台後，零一萬物下一步會又什麼新動作？
零一萬物技術副總裁及模型訓練 AI Alignment、開放平台負責人俞濤對此做出了答復，稱近期将會為開發者提供更多更強模型和 AI 開發框架。
未來計劃具體圍繞以下三個方面展開：
第一，支持更快的推理速度，顯著降低推理成本。
第二，突破更長的上下文，目标由目前的 20 萬 tokens 拓展到 100 萬 tokens。
第三，基于模型具備的超長上下文能力，構建向量數據庫、RAG、Agent 架構在内的全新開發者 AI 框架。
看來，零一萬物的下一步棋，就是推理更快、視窗更長，同時提供更加豐富和靈活的開發工具，以适應不同開發者需求下的多樣化應用場景。
具體推出的節奏，零一萬物此次沒有透露。但是——
三款模型的 API，大家可以用起來了！先到先得，記得在評論區找到申請地址喲～
