对长文档「大海捞针」提问，大模型们能力对比如何？

主要观点总结

文章对比了多款大语言模型在处理长文档时的表现，通过具体测试案例分析了各模型在获取用户关心答案并用原文支撑方面的能力。测试结果表明，Gemini 1.5 Pro 和 Kimi 在这方面表现最好。文章还讨论了模型能力的持续改进性，并鼓励读者分享自己的发现。

关键观点总结

关键观点1: 文章主题

对比测试多款大语言模型在长文档中的表现，包括腾讯元宝、Anthropic Claude 3.5 Sonnet、OpenAI GPT-4o、Google Gemini 1.5 Pro以及国产模型Kimi等。

关键观点2: 测试方法

使用具体案例《股票作手回忆录》中的老火鸡股市操作策略进行测试，要求模型给出原文及其所在位置作为支撑。

关键观点3: 测试结果

经过测试，Gemini 1.5 Pro 和 Kimi 在完成长文档信息获取并用原文支撑答案方面表现最好。

关键观点4: 模型能力的持续改进性

文章提到模型能力一直在改进，鼓励读者根据需要尝试不同模型，并分享自己的发现。

文章预览

需求 一年多的发展下来，现在很多大语言模型都支持了更长的上下文，有的甚至可以处理数以百万计的输入输出。 为什么我们需要这么长的上下文呢？其实说白了，就是 因为我们比较懒 。有些资料非常长，其中大部分信息我们不关心。于是我们希望 AI 能帮我们把关注的两三点内容找出来，总结好，呈现在我们面前。这种感觉就像是点外卖一样——不用冒着严寒酷暑暴雨步入餐馆，在家里点两下手机，就能够吃到热气腾腾的饭菜。 有的小伙伴一听说「懒」字就忙不迭批评，这是不对的。「懒」是一种生存中的能量节省策略，不但有利于个体存活繁衍，也是如今眼花缭乱科技发明的核心驱动力之一。 就拿信息处理来说。我们之前一直念叨「信息过载」，是因为你摄取信息（例如看书、读论文）的速度，赶不上信息产生的速度。如果技术能够帮助我 ………………………………