模型上下文長度達到10000000，又一批創業者完蛋了？

今天小編分享的互聯網經驗：模型上下文長度達到10000000，又一批創業者完蛋了？，歡迎閲讀。

沒有疑問，Gemini 1.5 Pro 的隆重推出被 Sora 搶了風頭。

社交平台 X 上 OpenAI 介紹 Sora 的第一條動态，現在已經被浏覽了超過 9000 萬次，而關于 Gemini 1.5 Pro 熱度最高的一條，來自谷歌首席科學家 Jeff Dean，區區 123 萬人。

或許 Jeff Dean 自己也覺得郁悶。Gemini 1.5 Pro 和 Sora 共同發布的一周後，他在 X 上點贊了沃頓商學院副教授 Ethan Mollick 認為人們對大模型的注意力發生了偏差的觀點。

Ethan Mollick 幾乎是教育界最早公開推崇生成式 AI 的人之一，他在 2023 年 2 月公開呼籲學生應該都應該開始用 ChatGPT 寫論文。而這一次他的觀點是，考慮到大模型在影像生成方面所體現出的有限價值，它實在是引起了過多的讨論了。

" 對于大模型的實驗室來説，影像生成更像是一個聚會上的節目 ...... 做為内核的 LLM 才是價值所在。但社交媒體更樂于分享照片。"

——沒説的是，社交媒體也更樂于分享 Gif，以及視頻。

人類是視覺動物，所以 Sora 才會這麼搶眼。或許我們太高估了 Sora，又太忽視了 Gemini 1.5 Pro。

Gemini 1.5 Pro 展現出的眾多能力中有一點很特殊，它已經是一個具備處理視頻語料輸入的多模态大模型。Sora 能将文字擴展成視頻，Gemini 1.5 Pro 的野心是把理解視頻的能力開放出來。在對模型能力的考驗上，很難説後者就弱于前者。

這背後的基礎性工作在上下文輸入長度上。Gemini 1.5 Pro 的上下文長度達到 1M Token，這意味着一小時的視頻、3 萬行代碼或者 JK · 羅琳把小説從《哈利波特與魔法石》寫到《哈利波特與鳳凰社》，遠高于包括 GPT、Claude 系列在内的目前市面上所有的大模型。而谷歌甚至透露，1M Token 并不是極限，谷歌内部已經成功測試了高達 10M Token 的輸入，也就是説，它已經能一口氣看完 9 個小時的《指環王》三部曲。

上下文長度抵達 10M Token 到底意味着什麼，等到 Sora 帶來的激情稍褪，人們逐漸回過味兒來。

X、Reddit...... 越來越多的讨論場開始關注到 10M Token 所展現出的可能性，其中最大的争議在于，它是否 " 殺死 " 了 RAG（Retrieval Augment Generation，檢索增強生成）。

大模型從概念走向商業應用的過程中，本身的問題逐漸暴露，RAG 開始成為貫穿整個 2023 年最火熱的技術名詞。

一個被普遍接受的描述框架給這項技術找到了最精準的定位。如果将整個 AI 看作一台新的計算機，LLM 就是 CPU，上下文視窗是内存，RAG 技術是外挂的硬碟。RAG 的責任是降低幻覺，并且提升這台 " 新計算機 " 的實效性和數據訪問權限。

但本質上這是因為這台 " 新計算機 " 仍然又笨又貴，它需要更多腦容量、需要了解更具專業性的知識，同時最好不要亂動昂貴又玻璃心的那顆 CPU。RAG 某種程度上是為了生成式 AI 能夠盡早進入應用層面的權宜之計。

10M Token 的上下文輸入上限，意味着很多 RAG 要解決的問題不成問題了，然後一些更激進的觀點出現了。

曾構建了評測基準 C-EVAL 的付堯認為，10M Token 殺死了 RAG ——或者更心平氣和的説法是，長文本最終會取代 RAG。

圖源：X

這個觀點引發了巨大讨論，他也随後對這個看起來 " 暴論 " 式的判斷所引發的反對觀點做了進一步解釋，值得一看。

其中最重要的，是長文本相比于 RAG 在解碼過程中檢索上的優越性：

"RAG 只在最開始進行檢索。通常，給定一個問題，RAG 會檢索與該問題相關的段落，然後生成。長上下文對每一層和每個 Token 進行檢索。在許多情況下，模型需要進行即時的每個 Token 的交錯檢索和推理，并且只有在獲得第一個推理步驟的結果後才知道要檢索什麼。只有長上下文才能處理這種情況。

針對 RAG 支持 1B 級别的 Token，而目前 Gemini 1.5 pro 支持的上下文長度是 1M 的問題：

" 确實如此，但輸入文檔存在自然分布，我傾向于相信大多數需要檢索的案例都在百萬級以下。例如，想象一個處理案例的層，其輸入是相關的法律檔案，或者一個學習機器學習的學生，其輸入是三本機器學習書籍——感覺不像 1B 那麼長，對嗎？"

" 大内存的發展并不意味着硬碟的淘汰。" 有人持更温和的觀點。

出于成本和效率上的考慮，超長文本輸入在這兩方面顯然并不成熟。因此哪怕面對 10M Token 的上下文輸入上限，RAG 仍然是必須的，就像我們時至今日仍然沒有淘汰掉硬碟。

圖源：X

如果将上下文的視窗設定為 1M，按現在 0.0015 美元 /1000token 的收費标準，一次請求就要花掉 1.5 美元，這麼高的成本顯然是無法實現日常使用的。

時間成本上，1M 的上下文長度在 Gemini 1.5 Pro 的演示實例中，需要 60 秒來完成結果的輸出——但 RAG 幾乎是實時的。

付堯的觀點更傾向于—— " 貴的東西，缺點只有貴 "。

"RAG 很便宜，長上下文很昂貴。确實如此，但請記住，與 LLM 相比，BERT-small 也便宜，n-gram 更便宜，但今天我們已經不使用它們，因為我們希望模型首先變得智能，然後再變得智能模型更便宜。

——人工智能的歷史告訴我們，讓智能模型變得更便宜比讓廉價模型變得智能要容易得多——當它很便宜時，它就永遠不會智能。"

一位開發者的觀點代表了很多對這一切感到興奮的技術人員：在這樣一場技術革命的早期階段，浪費一點時間可能也沒有那麼要緊。

" 假設我花了 5 分鍾或 1 小時（見鬼，即使花了一整天）才将我的整個代碼庫放入聊天的上下文視窗中。如果在那之後，人工智能能夠像谷歌聲稱的那樣，在剩下的對話中近乎完美地訪問該上下文，我會高興、耐心和感激地等待這段時間。" 這位在一家數字產品設計公司中供職的博客作者裏這樣寫道。

在這位開發者發布這條博客之前，CognosysAi 的聯創 Sully Omarr 剛剛往 Gemini 1.5 Pro 的視窗裏塞進去一整個代碼庫，并且發現它被完全理解了，甚至 Gemini 1.5 Pro 辨别出了代碼庫中的問題并且實施了修復。

" 這改變了一切。"Sully Omarr 在 X 上感嘆。

被改變的可能也包括與 Langchain 相關的一切。一位開發者引用了 Sully Omarr 的話，暗示 Langchain 甚至所有中間層玩家即将面臨威脅。

向量數據庫可能突然之間就變成了一個偽需求——客户直接把特定領網域的知識一股腦兒扔進對話視窗就好了，為什麼要雇人花時間來做多餘的整理工作呢（并且人腦對信息的整理能力也比不過優秀的 LLM）？

付堯的預測與這位開發者相似，甚至更具體——以 Langchain 、LLaMA index 這類框架作為技術棧的初創公司，會在 2025 年迎來終結。

但必須強調的是，付堯對于 RAG 的判斷和解釋弱化了在成本和響應速度上的考慮，原因或許是他正在為谷歌工作，而這兩點仍然是讓在當下 RAG 具備高價值的決定性因素。而如果看向這場上下文長度的讨論背後，谷歌在這場競争中最大的優勢開始展現出來了。

他擁有目前這個行業裏最多的計算能力。換句話説，對于上下文長度極限的探索，目前只有谷歌能做，它也拿出來了。

從 2014 年至今，谷歌已經構建了 6 種不同的 TPU 芯片。雖然單體性能仍然與 H100 差距明顯，但 TPU 更貼合谷歌自己生态内的系統。去年 8 月，SemiAnalysis 的兩位分析師 Dylan Patel 和 Daniel Nishball 揭露谷歌在大模型研發上的進展時表示，⾕歌模型 FLOPS 利⽤率在上一代 TPU 產品 TPUv4 上已經⾮常好，遠超 GPT-4。

目前谷歌最新的 TPU 產品是 TPUv5e。兩位分析師的調查顯示，谷歌掌握的 TPUv5e 數量比 OpenAI、Meta、CoreWeave、甲骨文和亞馬遜擁有的 GPU 總和更多。文章裏稱 TPUv5e 将會用到谷歌最新的大模型（即是後來發布的 Gemini 系列）訓練上，算力高達 1e26 FLOPS，是 GPT-4 的 5 倍。