在2023杭州云棲大會上，阿里云首席技術官周靖人發布千億級參數大模型通義千問2.0。在10個權威測評中，通義千問2.0綜合性能超過GPT-3.5，正在加速追趕GPT-4。

據悉，過去6個月，通義千問2.0在性能上取得巨大飛躍，相比4月發布的1.0版本，通義千問2.0在復雜指令理解、文學創作、通用數學、知識記憶、幻覺抵御等能力上均有顯著提升。目前，通義千問的綜合性能已經超過GPT-3.5，加速追趕GPT-4。

在MMLU、C-Eval、GSM8K、HumanEval、MATH等10個主流Benchmark測評集上，通義千問2.0的得分整體超越Meta的Llama-2-70B，相比OpenAI的Chat-3.5是九勝一負，相比GPT-4則是四勝六負，與GPT-4的差距進一步縮小。

中英文理解能力是大語言模型的基本功。英語任務方面，通義千問2.0在MMLU基準的得分是82.5，僅次于GPT-4，通過大幅增加參數量，通義千問2.0能更好地理解和處理復雜的語言結構和概念;中文任務方面，通義千問2.0以明顯優勢在C-Eval基準獲得最高得分，這是由于模型在訓練中學習了更多中文語料，進一步強化了中文理解和表達能力。

在數學推理、代碼理解等領域，通義千問2.0進步明顯。在推理基準測試GSM8K中，通義千問排名第二，展示了強大的計算和邏輯推理能力;在HumanEval測試中，通義千問得分緊跟GPT-4和GPT-3.5，該測試主要衡量大模型理解和執行代碼片段的能力，這一能力是大模型應用于編程輔助、自動代碼修復等場景的基礎。