2025年，国内AI大模型领域可谓是百花齐放，各种模型争奇斗艳。文心一言、讯飞星火、通义千问等一系列国产大模型经过长时间的内测，终于逐渐走向成熟。面对如此众多的选择，用户难免会产生疑问：国内AI大模型哪个最好？哪个模型在技术能力和用户体验上更胜一筹？在国内外大模型的激烈竞争下，谁能脱颖而出，成为真正的领导者？
为了解答这些疑问，我们选择了四款具有代表性的大模型——ChatGPT、文心一言、通义千问和讯飞星火，从七个关键维度进行全面、深入的横向评测。评测结果采用排名制，数值越小代表表现越优异。希望通过本次评测，为读者提供有价值的参考，帮助大家在选择AI大模型时做出明智的决策。
接下来，就让我们一起进入本次测评的详细内容。
1. 多模态能力：AI的感官
多模态能力是指AI系统处理和理解来自不同模态信息的能力，例如图像、文本、音频和视频。这种能力对于AI应用至关重要，它涉及到信息融合、交互式体验、数据分析和机器学习发展等多个方面。本次测评，我们将重点考察语音交互能力以及模型生成图片、视频和音频的能力。
① 语音交互能力：能听会说，更要懂你
语音交互是多模态交互的重要组成部分，它要求系统能够理解和响应语音指令。为了模拟真实场景，我们设计了一个“春运回家路上遇到困难，需要得到帮助”的情境，与各大模型展开对话。
1) 文心一言：
文心一言目前仅支持逐条语音交流，无法进行实时通话。虽然解决方案较为具体和详细，但交互方式略显不便。
2) 通义千问：
通义千问的语音交互功能相对简单，仅支持输入时将语音转换为文字，输出时则只有文字形式。
3) ChatGPT：
ChatGPT给出的解决方案细致周到，且包含较多问候语，声音拟人度较高。但由于网络问题，容易出现等待时间过长和被打断的情况，对国内用户不太友好。
4) 讯飞星火：
讯飞星火的全语音交互能力以“实时通话”的形式展现，能够流利、顺畅、迅速且准确地给出解决方案。更令人眼前一亮的是，星火在回答问题时会自然地加入语气词和口语化的辅助词，在拟人度和真实度方面表现出色。
讯飞星火不仅是一个智能助手，更像是一个真正理解用户需求的朋友，能够体现出高情商和同理心。此外，星火还支持语音互动中的文字转写，并提供打断和暂停功能，方便用户随时切换到文字模式查看通话记录。在进一步给出更多条件后，星火的回答也更加细致。
这一点确实让我感到很惊喜，因为在和AI的交流中，我们不仅仅需要它解决问题，更希望它能像人一样思考和回应。星火在这方面做得确实不错。
总的来说，讯飞星火在语音交互能力上已经迎头赶上，甚至超越了ChatGPT。
语音交互能力评判：
1-讯飞星火、GPT
2-文心一言、通义千问
② 文生图/视频/音频：AI的创造力
多模态能力发展的另一个重要方向是“以文字形式输入，以XX形式输出”。因此，我们对各大模型生成图片、视频和音频的能力进行了测评。
1) 讯飞星火：
讯飞星火支持文生图和文生视频，虽然不直接支持生成音频，但支持对回答消息的语音朗读，并且可以在App端切换朗读的主播，因此也具备文生语音的能力。
2) 文心一言：
文心一言支持文生图和文生音频，但无法生成视频，而是以文字的形式试图“反向激发”提问者。
3) 通义千问：
通义千问仅支持文生图，不支持文生视频和音频。
4) GPT：
GPT支持文生图，但不支持文生视频和音频。
文生图/音频/视频能力评判：
1-讯飞星火
2-文心一言
3-通义千问、GPT
2. 语言理解能力：AI的智慧
语言理解能力是AI大模型与外界交互的基础。我们从语义理解、总结提炼和抗干扰项能力三个方面来评估这一维度。
① 语义理解：AI能否读懂你的心思
我们要求各大模型修改一个病句，以此考察它们的语义理解能力。
1) 讯飞星火：
讯飞星火正确地给出了修改意见。
2) 文心一言：
文心一言也给出了正确的修改意见。
3) 通义千问：
通义千问的修改结果反而使句子更加复杂，不符合题意。
4) GPT：
GPT给出了正确答案并进行了分析。
语义理解能力评判：
1-讯飞星火、GPT、文心一言
2-通义千问
② 总结提炼：AI能否抓住重点
我们要求各大模型对一段文字进行总结提炼，以此考察它们是否能够快速、准确地抓住重点。
1) 讯飞星火：
讯飞星火的回答简洁、准确。
2) 文心一言：
文心一言的回答几乎是将第一句话复制粘贴，没有起到总结的效果。
3) 通义千问：
通义千问的回答更加冗长，几乎是将问题重复了一遍。
4) GPT：
GPT的回答明确，并扩写了相关介绍。
总结提炼能力评判：
1-GPT
2-讯飞星火
3-文心一言、通义千问
③ 抗干扰项能力：AI能否保持清醒
我们设置了一个陷阱，在问题中加入与答案无关的干扰信息，以此考察各大模型是否足够“聪明”，能够不受干扰地给出正确答案。
1) 讯飞星火：
讯飞星火没有受到干扰，给出了准确的回答，并附带详细的分析。
2) 文心一言：
文心一言的回答漏掉了十年中有三个闰年的情况，即漏掉了3653天的答案。
3) 通义千问：
通义千问的回答不够准确，虽然算出了实际天数可能是3652天，但最后给出答案时又去算了平均值，让人摸不着头脑。
4) GPT：
GPT仅给出了结果，没有给出过程，且没有考虑到三个闰年的可能性。
抗干扰项能力评判：
1-讯飞星火
2-文心一言、GPT
3-通义千问
3. 知识问答能力：AI的知识储备
我们从生活常识、行业知识和历史人文知识三个方面来评估各大模型的知识问答能力。
① 生活常识：AI的基础素养
对生活常识的了解应该是AI大模型的基础能力。
1) 讯飞星火：
讯飞星火的回答正确、具体、详实，介绍了肉夹馍的制作原料、口味和历史。
2) 文心一言：
文心一言的回答正确，并进一步介绍了肉夹馍所属菜系、原材料和烹饪方法。
3) 通义千问：
通义千问的回答也正确，包含了对菜品的介绍。
4) GPT：
GPT的回答也正确，总体效果和通义千问持平。
生活常识能力评判：
1-GPT、讯飞星火、文心一言、通义千问
② 行业知识：AI的专业能力
对某个行业知识的理解，可以帮助对需要了解该行业的人进行知识普及。我们以一道生物选择题为例进行测试。
1) 讯飞星火：
讯飞星火的答案正确，且有具体分析，对于学生党来说很友好。
2) 文心一言：
文心一言的答案正确，并标黑重点，对每个选项的错误点都进行了分析，偏向于“老师向”，表现优秀。
3) 通义千问：
通义千问进一步介绍了原题提到的名词，偏向于“百科向”，起到普及的作用，但没有对其他错误选项进行分析。
4) GPT：
GPT的回答介于“普及向”和“老师向”之间，没有对每个选项逐个分析，但综合一句话可以概括。
行业知识能力评判：
1-讯飞星火、GPT、文心一言
2-通义千问
③ 历史人文知识：AI的文化底蕴
我们用一道关于“九州”的问题来考验各大模型。这个问题比较小众，属于“查资料”型题目。
1) 讯飞星火：
讯飞星火的回答准确无误，且附有介绍，令人满意。
2) 文心一言：
文心一言的回答正确，且有更多更详细的介绍，介绍了每个州的地理位置。
3) 通义千问：
通义千问只给出了答案，没有其他介绍。
4) GPT：
GPT的回答和通义千问一样，也是只给出了答案，没有其他介绍。
历史人文知识能力评判：
1-讯飞星火、文心一言
2-GPT、通义千问
4. 逻辑推理能力：AI的思考深度
我们根据难度将逻辑推理问题分为容易类和困难类，以此进行测评。
① 容易的逻辑推理问题
1) 讯飞星火：
讯飞星火的答案差强人意，其中，“你在二年级时，距离你上二年级已经过去了1年”的描述很奇怪，不符合逻辑，解题过程有待商榷。
2) 文心一言：
文心一言给出了正确答案，但步骤1中计算大学前年级时没有计算高中年级，反而计算了幼儿园年级，让人有所异议。