。
他按了一下手中的翻页器，大屏幕上出现了一张综合数据。
数学，代码，多语言理解，长上下文，逻辑推理，知识问答，意图理解。
每一项都有分数、排名、对标模型。
「如果只看通用能力，坤元1.0目前落後於GPT最新一代旗舰模型，但是差距已经不大。」林绍峰说道：「和Gemini、水星的最新版本相比，我们在部分项目上互有胜负。尤其是在中文任务、企业场景、复杂指令遵循这几个维度，坤元的表现非常突出。」
然後他切到下一页。
这一页的标题是：中文意图理解专项评测。
屏幕上是一组更夸张的数据。
坤元1.0在中文复杂需求理解、隐含条件识别、业务流程补全、用户真实意图判断这些项目上，全面高於所有对标模型。而且不是小幅领先，而是跨越式的高。
断层碾压。
会议室里响起了低声的讨论声。
大部分人都知道这个结果意味着什麽。
大模型研究在国内是後发，如果能做出第一个在单项领域全世界登顶的大模型，对鼎盛的行业地位都有重大意义。
林绍峰紧接着讲了具体的测评标准，包括公开测试集、内部自建题库、第三方公开任务集，和企业真实场景脱敏数据。
「国产大模型最大的问题，是大家做的比较像。正落到业务场景里，经常听不懂人话。用户说一句帮我弄一下这个」，模型不知道这个」是什麽，用户说老板要看」，模型不知道重点应该放在风险、结果还是汇报口径上。」
会议室里不少业务线负责人都点了点头，他们对这些场景都深有体会。
大部分大模型演示的时候看起来很强，真正接入业务系统，就像一个刚毕业的实习生。
做业务的能力比写代码的能力差多了。
这也不怪大模型，代码本身是可验证的，对就是对，错就是错，做业务可不是这样，模糊的地方很多。
到了问答环节，市场部的负责人先站出来说话了。
他知道今天会议的自的，就是为坤元的发布定计划。
刚才林绍峰展示的数据很好看，拿出去说是一回事，但是真的有几斤几两，不好说。
他还得先弄清楚坤元的真实水平，才好制定相应的计划。
「林总，这个成绩很惊人。我不是不信任测评，但是咱们能不能搞个演示，看看真实场景的效果？」
市场部负责人的这句话一问出来，吕云的目光就转了过来。
>