2024 年 4 月 17 日，在「天工」大模型一周年之际，昆仑万维重磅宣布，「天工 3.0」基座大模型与「天工 SkyMusic」音乐大模型正式开启公测！一年前的今天，第一版天工大模型正式对外发布上线，一年来我们不断迭代模型，迭代应用产品，模型和应用都越做越好，以此回报广大用户的支持。
「天工 3.0」拥有 4000 亿参数，超越了 3140 亿参数的 Grok-1，是全球最大的开源 MoE 大模型。「天工 3.0」在语义理解、逻辑推理、通用性、泛化性、不确定性知识、学习能力等领域拥有突破性的性能提升，数学 / 推理 / 代码 / 文创能力提升超过 30%。
（天工 3.0 模型参数超越 Grok-1，成全球最大开源 MoE 专家混合大模型）
强大的模型技术实力赋予「天工 3.0」超强的性能表现。在 MMBench 等多项权威多模态测评结果中，「天工 3.0」超越 GPT-4V，全球领先。
（天工 3.0 多模态性能超越 GPT-4V，全球领先）
同时，「天工 3.0」旗下的「天工 SkyMusic」音乐大模型也在今日面向全社会开放公测。「天工 SkyMusic」是中国首个音乐 SOTA 模型，更是中国的自研大模型技术第一次在 AIGC 领域领跑全球。
（天工 SkyMusic 综合性能超越 Suno V3，取得音乐大模型 SOTA，领跑全球）
天工 SkyMusic：中国首个音乐 AIGC SOTA 模型
此前，大模型已经在文本、图像等多个技术领域取得突破，带来产业全面变革。然而，在 AI 音乐生成领域，全球迟迟等不到一款产品，开启「音乐 ChatGPT 时刻」。
这是因为一直以来，AI 音乐行业大量研究都集中在符号音乐生成技术路线上，并且大多只能实现无人声背景音乐（Background Music，BGM）的生成，音乐的质量、效果、审美都远远达不到可用水平，产业迟迟未能爆发。
（「天工 SkyMusic」自研 AI 音乐大模型技术架构）
与行业主流路径不同，「天工 SkyMusic」采用自研大模型音乐音频生成技术路线。这一路线直接通过大模型技术实现乐器、人声、旋律、音量、音符的一体化端到端音乐生成，技术难度极大，全球只有包括昆仑万维在内的极少数顶尖玩家参与。
在与海外顶尖的 AI 音乐大模型 Suno V3 的横向测评中，「天工 SkyMusic」在人声 & BGM 音质、人声自然度、发音可懂度等领域显著领先对手，并以 6.65 分的综合得分超越 Suno V3，成为全球 AI 音乐 SOTA 模型。
此外，「天工 SkyMusic」还拥有独创的参考音乐生成与方言歌曲生成能力。
参考音乐生成：用户可上传自有参考音乐，或选择「天工 SkyMusic」资料库中现有的参考音乐，从而生成风格、唱腔类似的歌曲，进一步降低音乐大模型的使用门槛，让不熟悉乐理知识的用户也能轻松玩转。
方言歌曲生成：「天工 SkyMusic」生成的音乐不仅在人声自然度、发声可懂度等领域表现优秀，更能够支持粤语、成都话、北京话等众多方言，让用户能够更自由地实现音乐表达，传播方言文化。
「天工 SkyMusic」是中国首个公开可用的 AI 音乐生成模型，更是中国自研大模型技术第一次在 AIGC 领域领跑全球。
当前，在文本大模型领域，OpenAI 吸引了全球的注意力；但是在 AI 搜索、AI 音乐生成等细分领域，中国玩家们正在奋勇前行，不断通过自研技术取得细分领域顶尖的 SOTA 表现，共同建设中国大模型产业，打造自主可控的大模型产业生态。
天工 3.0：4000 亿参数，全球最大开源 MoE 大模型
在上一代「天工 2.0」MoE 大模型的领先基础上，「天工 3.0」实现了全面的性能升级，采用了 4000 亿级参数 MoE 混合专家模型架构，是目前全球模型参数最大、性能最强的开源 MoE 模型。
「天工 3.0」的逻辑推理能力、语义理解能力、应对复杂需求能力、内容创作能力全面升级，并新增了多轮搜索与综合工具调用、图表绘制、研究模式、增强模式、改图扩图等多项 AI 能力，为用户带来全新 AI 体验。
多轮搜索与综合工具调用：「天工 3.0」针对模型独立规划、调用、组合外部工具及整合信息的能力进行了专项训练，使其能够独立生成并调用代码，完成包括产业研究、产品横评、信息分析、图片生成、图表绘制等多种复杂用户需求。
同时，「天工 3.0」能够通过强大的语义理解能力将用户任务拆解成细分环节，实时判断是否需要联网或调用工具，进行单轮或多轮的联网搜索、工具调用，完成包括多轮搜索、热点信息分析、图片生成等复杂用户需求。
（Query：查询最新中国历史电影票房排行，图表展示）
图表绘制：「天工 3.0」全面提高了逻辑推理能力与用户自然语言 Query 的理解能力，使其能够更精准地判断用户需求，独立生成并调用代码，结合文本需求实时进行内容分析及图表构建，为用户带来更直观、高效的对比结果。
（Query：北京、上海、重庆哪个好玩？）
多轮搜索、综合工具调用、图表绘制等都是「天工 3.0」所独有的大模型综合能力，其从底层打通了「天工 3.0」的 AI 搜索、AI 对话、AI 代码生成、AI 图片识别、AI 图像生成等底层能力，通过语义识别能力直接触发，为用户带来更加便捷、高效的 AI 体验，成为真正的 AI 生产力工具。
此外，「天工 3.0」中还增加了研究模式、增强模式、改图扩图等多项 AI 能力。
研究模式：在研究模式中，「天工 3.0」能够围绕用户的某个简单指令进行相关问题的延伸，自动生成研究大纲、图谱、实践总结、思维导图，帮助用户快速清晰地把握核心内容，完成用户复杂的研究需求。
（Query：康乾盛世年代）
增强模式：在增强模式中，「天工 3.0」能够针对用户的复杂 Query 进行拆解、细化、并进行追问、信息理解与补全，使其在自然语义理解方面性能更强，面对不确定性知识时表现更好，能够更精准、高效地满足用户需求。
（Query：2024 年春节档电影；「天工 3.0」理解并追问用户需求）
改图扩图：「天工 3.0」多模态性能取得全面突破，超越 GPT-4V，综合排名全球第一。在强大的技术底座支持下，「天工 3.0」的 AI 绘图能力新增了图片尺寸扩展、图片定向调整、垫图生图、垫图进化、垫图扩图等全新功能。
（「天工 3.0」的 AI 改图、修图、扩图等功能）
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。