模型上下文长度达到10000000，又一批创业者完蛋了？

没有疑问，Gemini 1.5 Pro的隆重推出被Sora抢了风头。

社交平台X上OpenAI介绍Sora的第一条动态，现在已经被浏览了超过9000万次，而关于Gemini 1.5 Pro的热度最高的一条，来自谷歌首席科学家Jeff Dean，区区123万人。

或许Jeff Dean自己也觉得郁闷。Gemini 1.5 Pro和Sora共同发布的一周后，他在X上点赞了沃顿商学院副教授Ethan Mollick认为人们对大模型的注意力发生了偏差的观点。

Ethan Mollick几乎是教育界最早公开推崇生成式AI的人之一，他在2023年2月公开呼吁学生应该都应该开始用ChatGPT写论文。而这一次他的观点是，考虑到大模型在图像生成方面所体现出的有限价值，它实在是引起了过多的讨论了。

对于大模型的实验室来说，图像生成更像是一个聚会上的节目......作为内核的LLM才是价值所在。但社交媒体更乐于分享照片。

没说的是，社交媒体也更乐于分享Gif，以及视频。

人类是视觉动物，所以Sora才会这么抢眼。或许我们太高估了Sora，又太忽视了Gemini 1.5 Pro。

Gemini 1.5 Pro展现出的众多能力中有一点很特殊，它已经是一个具备处理视频语料输入的多模态大模型。Sora能将文字扩展成视频，Gemini 1.5 Pro的野心是把理解视频的能力开放出来。在对模型能力的考验上，很难说后者就弱于前者。

这背后的基础性工作在上下文输入长度上。Gemini 1.5 Pro的上下文长度达到1M Token，这意味着一小时的视频、3万行代码或者JK·罗琳把小说从《哈利·波特与魔法石》写到《哈利·波特与凤凰社》，远高于包括GPT、Claude系列在内的目前市面上所有的大模型。而谷歌甚至透露，1M Token并不是极限，谷歌内部已经成功测试了高达10M Token的输入，也就是说，它已经能一口气看完9个小时的《指环王》三部曲。

上下文长度抵达10M Token到底意味着什么，等到Sora带来的激情稍褪，人们逐渐回过味儿来。

X、Reddit......越来越多的讨论开始关注到10M Token所展现出的可能性，其中最大的争议在于，它是否“杀死”了RAG（Retrieval Augment Generation，检索增强生成）。

大模型从概念走向商业应用的过程中，本身的问题逐渐暴露，RAG开始成为贯穿整个2023年最火热的技术名词。

一个被普遍接受的描述框架给这项技术找到了最精准的定位。如果将整个AI看作一台新的计算机，LLM就是CPU，上下文窗口是内存，RAG技术是外挂的硬盘。RAG的责任是降低幻觉，并且提升这台“新计算机”的实效性和数据访问权限。

但本质上这是因为这台“新计算机”仍然又笨又贵，它需要更多脑容量、需要了解更具专业性的知识，同时最好不要乱动昂贵又玻璃心的那颗CPU。RAG某种程度上是为了生成式AI能够尽早进入应用层面的权宜之计。

10M Token的上下文输入上限，意味着很多RAG要解决的问题不成问题了，然后一些更激进的观点出现了。

曾构建了评测基准C-EVAL的付尧认为，10M Token杀死了RAG——或者更心平气和的说法是，长文本最终会取代RAG。

这个观点引发了许多讨论，他也随后对这个看起来“暴论”式的判断所引发的反对观点做了进一步解释，值得一看。

其中最重要的，是长文本相比于RAG在解码过程中的检索上的优越性：

RAG只在最开始进行检索。通常，给定一个问题，RAG会检索与该问题相关的段落，然后生成。长上下文对每一层和每个Token进行检索。在许多情况下，模型需要进行即时的每个Token的交错检索和推理，并且只有在获得第一个推理步骤的结果后才知道要检索什么。只有长上下文才能处理这种情况。

针对RAG支持1B级别的Token，而目前Gemini 1.5 pro支持的上下文长度是1M的问题：

确实如此，但输入文档存在自然分布，我倾向于相信大多数需要检索的案例都在百万级以下。例如，想象一个处理案例的层，其输入是相关的法律文件，或者一个学习机器学习的学生，其输入是三本机器学习书籍——感觉不像1B那么长，对吗？

“大内存的发展并不意味着硬盘的淘汰。”有人持更温和的观点。

出于成本和效率上的考虑，超长文本输入在这两方面显然并不成熟。因此哪怕面对10M Token的上下文输入上限，RAG仍然是必需的，就像我们时至今日仍然没有淘汰掉硬盘。

如果将上下文的窗口设定为1M，按现在0.0015美元/1000token的收费标准，一次请求就要花掉1.5美元，这么高的成本显然是无法实现日常使用的。

在时间成本上，1M的上下文长度在Gemini 1.5 Pro的演示实例中，需要60秒来完成结果的输出——但RAG几乎是实时的。

付尧的观点更倾向于——“贵的东西，缺点只有贵”。

RAG 很便宜，长上下文很昂贵。确实如此，但请记住，与 LLM 相比，BERT-small 也便宜，n-gram 更便宜，但今天我们已经不使用它们，因为我们希望模型首先变得智能，然后智能模型再变得更便宜。

人工智能的历史告诉我们，让智能模型变得更便宜比让廉价模型变得智能要容易得多——当它很便宜时，它就永远不会智能。”

一位开发者的观点代表了很多对这一切感到兴奋的技术人员：在这样一场技术革命的早期阶段，浪费一点时间可能也没有那么要紧。

“假设我花了5分钟或1小时（见鬼，即使花了一整天）才将我的整个代码库放入聊天的上下文窗口中。如果在那之后，人工智能能够像谷歌声称的那样，在剩下的对话中近乎完美地访问该上下文，我会高兴、耐心和感激地等待这段时间。”这位在一家数字产品设计公司中供职的博客作者这样写道。

在这位开发者发布这条博客之前，Cognosys AI的联创Sully Omarr刚刚往Gemini 1.5 Pro的窗口里塞进去一整个代码库，并且发现它被完全理解了，甚至Gemini 1.5 Pro辨别出了代码库中的问题并且实施了修复。

“这改变了一切。”Sully Omarr在X上感叹。

被改变的可能也包括与Langchain相关的一切。一位开发者引用了Sully Omarr的话，暗示Langchain甚至所有中间层玩家即将面临威胁。

向量数据库可能突然之间就变成了一个伪需求——客户直接把特定领域的知识一股脑儿扔进对话窗口就好了，为什么要雇人花时间来做多余的整理工作呢（并且人脑对信息的整理能力也比不过优秀的LLM）？

付尧的预测与这位开发者相似，甚至更具体——以Langchain 、LLaMA index这类框架作为技术栈的初创公司，会在2025年迎来终结。

但必须强调的是，付尧对于RAG的判断和解释弱化了在成本和响应速度上的考虑，原因或许是他正在为谷歌工作，而这两点仍然是让在当下RAG具备高价值的决定性因素。而如果看向这场上下文长度的讨论背后，谷歌在这场竞争中最大的优势开始展现出来了。

它拥有目前这个行业里最多的计算能力。换句话说，对于上下文长度极限的探索，目前只有谷歌能做，它也拿出来了。

从2014年至今，谷歌已经构建了6种不同的TPU芯片。虽然单体性能仍然与H100差距明显，但TPU更贴合谷歌自己生态内的系统。去年8月，SemiAnalysis的两位分析师Dylan Patel和Daniel Nishball揭露谷歌在大模型研发上的进展时表示，⾕歌模型FLOPS的利用率在上一代TPU产品TPUv4上已经⾮常好，远超GPT-4。

目前谷歌最新的TPU产品是TPUv5e。两位分析师的调查显示，谷歌掌握的TPUv5e数量比OpenAI、Meta、CoreWeave、甲骨文和亚马逊拥有的GPU总和更多。文章里称TPUv5e将会用到谷歌最新的大模型（即是后来发布的Gemini系列）训练上，算力高达1e26 FLOPS，是GPT-4的5倍。

这个猜测在谷歌最新开源的Gemma身上得到了佐证。Gemma是Gemini的轻量化版本，两者共享相同的基础框架和相关技术，而在Gemma放出的技术报告中表明，其训练已经完全基于TPUv5e。

这也不难理解为何奥特曼要花7万亿美元为新的算力需求未雨绸缪。虽然OpenAI拥有的总GPU数量在2年内增长了4倍。

“In our research， we’ve also successfully tested up to 10 million tokens.”（在研究中，我们也成功测试了多达10M Token）

这被Sora暂时掩盖住的一次尝试或许在未来会作为生成式AI上的一个重要时刻被反复提及，它现在也真正让发明了transformer框架的谷歌，回归到这场本该由自己引领的竞争中了。

本文来自微信公众号：硅星人Pro（ID：Si-Planet），作者：油醋