直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

截止今日国内ai性能排名

回答

以下是截至今日国内部分 AI 产品的性能排名情况： |排行|产品名|分类|4 月访问量（万 Visit）|相对 3 月变化| |----|----|----|----|----| |60|文心一格|图像生成|41.5|-0.086| |61|DupDub|文字转音频|41.4|0.107| |62|阿里堆友 AI 反应堆|图像生成|40.7|-0.169| |63|识典古籍|AI 学习|39.2|-0.164| |64|标智客 Ai Logo|图像生成|37.8|-1| |65|笔灵 AI|通用写作|37.4|0.087| |66|Learn Prompting|Prompts|36.1|-0.284| |67|搜韵网|通用写作|36|-0.155| |68|腾讯智影|其他视频生成|35.4|0.131| |69|新片场素材|其他视频生成|35.2|0.128| |70|pebblely.com|图像编辑|35|0.301| |71|彩云小译|翻译|34.3|-0.107| |36|虎课网免费在线视频教程|AI 学习|62.9|-0.005| |37|Glasp|会议总结|60.7|-0.325| |38|aippt|PPT|59.6|0.142| |39|帆软战略|电商|59.5|-0.145| |40|帆软数据|数据分析|59.5|-0.145| |41|讯飞听见|转录|56.2|-0.065| |42|Pixso AI|设计工具|54.9|0.017| |43|ToonMe（卡通头像）|图像生成|53.6|0.993| |44|edrawsoft|思维导图|53.5|-0.14| |45|Dify.ai|AI ChatBots|51.7|0.452| |46|彩云|通用写作|51.5|0.117| |47|360 苏打办公|生产力|50.6|1.269|

内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

国内总榜 Top80

|AI产品数据国内总榜_排行|AI产品数据国内总榜_产品名|AI产品数据国内总榜_分类aiwatch.ai|AI产品数据国内总榜_4月访问量（万Visit）|相对3月变化|<br>|-|-|-|-|-|<br>|60|文心一格|图像生成|41.5|-0.086|<br>|61|DupDub|文字转音频|41.4|0.107|<br>|62|阿里堆友AI反应堆|图像生成|40.7|-0.169|<br>|63|识典古籍|AI学习|39.2|-0.164|<br>|64|标智客Ai Logo|图像生成|37.8|-1|<br>|65|笔灵AI|通用写作|37.4|0.087|<br>|66|Learn Prompting|Prompts|36.1|-0.284|<br>|67|搜韵网|通用写作|36|-0.155|<br>|68|腾讯智影|其他视频生成|35.4|0.131|<br>|69|新片场素材|其他视频生成|35.2|0.128|<br>|70|[pebblely.com](http://pebblely.com)|图像编辑|35|0.301|<br>|71|彩云小译|翻译|34.3|-0.107|

AGI万字长文（上）| 2023回顾与反思

从业内人的角度，ChatGPT和GPT4的出现时最令人惊讶的，不是它的能力，而是保密工作做的太好。2023之前国内AI行业还处在沾沾自喜，自认为和美国只有个把月差距，而且还有人口数据优势；这种论调一下子被GPT4打回了原形。OpenAI在国内完全没有预警的情况下，直接拉开2年技术差距。具体原因，可能是国内的骄傲自大，可能是被之前Google主推的T5技术路线带偏，也可能是因为AGI实在是影响过于巨大，FBI、美国国防部这些国家机关不可能没和OpenAI打过招呼。OpenAI的成功是大力出奇迹，所以23年上半年国内也笃信只要有卡有钱就可以“大炼钢铁”。那时不论是纷纷囤卡招人，研究类GPT架构的大厂们，还是讲着中国OpenAI的故事，拿着巨额融资的创业公司们，都想要第一个创造国产AGI。而到了下半年，在试验了一番发现不容易之后，又纷纷转向要做“垂直应用”、“商业化”；反而不提AGI了。这个转向是短视的，甚至是致命的。2023年，中美在AGI技术的差距并没有缩小。现在，国内最领先的模型水平大概在准ChatGPT3.5的水平，和GPT4还有不小差距；甚至还不如临时拼凑的Mistral团队的水平。

国内总榜 Top80

|AI产品数据国内总榜_排行|AI产品数据国内总榜_产品名|AI产品数据国内总榜_分类aiwatch.ai|AI产品数据国内总榜_4月访问量（万Visit）|相对3月变化|<br>|-|-|-|-|-|<br>|36|虎课网免费在线视频教程|AI学习|62.9|-0.005|<br>|37|Glasp|会议总结|60.7|-0.325|<br>|38|aippt|PPT|59.6|0.142|<br>|39|帆软战略|电商|59.5|-0.145|<br>|40|帆软数据|数据分析|59.5|-0.145|<br>|41|讯飞听见|转录|56.2|-0.065|<br>|42|Pixso AI|设计工具|54.9|0.017|<br>|43|ToonMe（卡通头像）|图像生成|53.6|0.993|<br>|44|edrawsoft|思维导图|53.5|-0.14|<br>|45|Dify.ai|AI ChatBots|51.7|0.452|<br>|46|彩云|通用写作|51.5|0.117|<br>|47|360苏打办公|生产力|50.6|1.269|

其他人在问
去ai味
要去除 AI 味，可以从以下几个方面入手： 1. 对于聊天 AI，使其变得不正经、放肆、幽默、通俗。注意语气的自然化，比如使用语气词嗯、吧、啊、哈哈哈等，让回答更自然、贴近日常对话风格。还要注意口语化词语（相对于书面语）的使用，不过增加网络语言语料库需谨慎，以免生搬硬套带来副作用。 2. 对于睿声生成的配音，若语速慢有 AI 味儿，可使用剪映的音频变速功能加速配音，以消除 AI 味儿并配合视频前段的快节奏。 3. 对于 GPT 的回复，避免其用 1、2、3、4 或“首先、其次、最后”这种模式，可让其扮演特定角色并给出明确输出要求。但这种方法可能换汤不换药，要想让其更有趣，可让它在回复中加点感情，比如用括号补充动作，营造特定环境等。
2024-09-19
可以建立知识库的ai有哪些
以下是一些可以建立知识库的 AI 工具和平台： 1. 飞书软件：例如“通往 AGI 之路”，您可以在飞书大群中与机器人对话获取对应的资料。 2. Coze：在“大圣：胎教级教程：万字长文带你使用 Coze 打造企业级知识库”中有相关介绍。 3. Mem：如 https://get.mem.ai/ ，它可以保存组织中每次会议的记录，并在人们开始新项目时主动建议相关的决策、项目或人员，节省时间。 4. GPT：通过 OpenAI 的 embedding API 解决方案，可以搭建基于 GPT API 的定制化知识库，但需要注意其免费版 ChatGPT 一次交互的容量限制。
2024-09-19
notion ai的功能
Notion AI 具有以下功能： 直接在 Notion 中接入 AI 的能力，能让工作更迅速，写作更出色，思考更伟大。 可以在笔记和文档中应用 AI 的力量。 能够实现 AI 数据库自动填充功能。 可以改变知识管理的方式，让人们摆脱繁琐的信息组织工作，用户只需简单地将信息丢到 Notion 中，就可以通过各种方式进行检索。
2024-09-19
PopAI的功能
PopAI 是一款办公效率工具，具有以下功能： 1. 类似 ChatGPT 的聊天功能。 2. 集成了众多工作中可用的效率工具，如 PPT 和流程图生成、提示生成等。 3. 率先集成了 GPT4V 的图像 API 且调教良好，能清晰解释图像相关内容。 4. 具有创新的交互，在回答内容后可进行如翻译为中文、扩写重新排版并添加内容变为一篇文章等“Enrich”操作。 5. “Enrich”操作不仅不是干巴巴的填充，还会配合相关图片，必要时绘制流程图。
2024-09-19
popai 的功能
Poe 是一个 AI 聊天网站，支持与多个智能 AI 机器人（如 GPT4 等）进行实时在线交流。注册账号后可免费使用，部分功能需要付费订阅。不同的 AI 机器人有不同特点，可根据需求选择使用。总体而言，Poe 为用户提供了便捷的智能对话体验。其官网地址是：https://poe.com/ ，在官网帮助中心上可以找到具体教程。 此外，Poe 平台还推出了其他多种功能，比如多个机器人一起聊天、文件上传和视频输入等。Odyssey 是一个能提供好莱坞级别的 AI 视频生成和编辑工具的项目。PaintsUndo 可以输入静态图像自动生成整个绘画的全过程视频，该项目主要研究和再现数字绘画中的绘画行为，为数字艺术创作提供新的工具和方法。更多详细介绍可参考：https://xiaohu.ai/p/10996 、https://x.com/imxiaohu/status/1810574723048489063 、https://xiaohu.ai/p/11005 、https://x.com/imxiaohu/status/1810589354114626008 、https://xiaohu.ai/p/11010 、https://lllyasviel.github.io/pages/paints_undo/
2024-09-19
可用于记笔记的ai有哪些
以下是一些可用于记笔记的 AI 相关产品： 1. MeetRecord：这是一家专注于销售通话记录和辅导的软件公司。其核心功能包括 AI 驱动的笔记记录，能通过人工智能技术自动记录和分析销售通话，提供会议内容的关键词和主题分析，自动生成会议纪要和行动项；还有个性化辅导计划，能生成个性化的辅导计划，模仿表现最好的销售人员，并实施自动呼叫评分系统；此外，还具备交易智能和推荐、CRM 自动化、多语言支持以及安全性与企业化支持等功能。 2. 目前没有更多明确提及专门用于记笔记的其他 AI 产品的相关信息。但在一些关于人工智能的讨论中，提到了手写笔记对于信息留存和思维培养的重要性，例如在关于防止 AI 取代人类思考的论述中，指出手写笔记有助于将信息从短期记忆转移到长期记忆，成为更好的概念思考者。
2024-09-19
RAG库排名
以下是关于 RAG 库排名的相关信息： 在检索阶段获取匹配的文档片后，会有一个排序环节，通常基于文档片与输入问题之间的相似度分数来进行，确保最相关的片段排在前面。 RAG 是检索增强生成（Retrieval Augmented Generation）的简称，是当前最火热的企业级 LLM 应用方案，概括起来就是知识检索+内容生成。其主要组成包括数据提取、embedding（向量化）、创建索引、检索、自动排序（Rerank）、LLM 归纳生成。 在重排 rerank 方面，搜到相似信息后存在选择策略，如默认取 TOP 10、TOP 25 等。大部分场景下选择最相似的通常没问题，但由于向量化基本是平权的，存在优化空间，特别是对于私有化数据，可引入来源机制进行调整，对向量化的数据进行综合评分，如相似度置信度等，然后再进行 rebank。
2024-08-29
国内AI大模型排名
以下是国内部分 AI 大模型的相关信息： 8 月正式上线的国内大模型： 北京企业机构： 百度（文心一言）：https://wenxin.baidu.com 抖音（云雀大模型）：https://www.doubao.com 智谱 AI（GLM 大模型）：https://chatglm.cn 中科院（紫东太初大模型）：https://xihe.mindspore.cn 百川智能（百川大模型）：https://www.baichuanai.com/ 上海企业机构： 商汤（日日新大模型）：https://www.sensetime.com/ MiniMax（ABAB 大模型）：https://api.minimax.chat 上海人工智能实验室（书生通用大模型）：https://internai.org.cn 特色功能： 昇思：生图 MiniMax：语音合成 聊天状态下能生成 Markdown 格式的：智谱清言、商量 Sensechat 目前不能进行自然语言交流的：昇思 受限制使用：MiniMax（无法对生成的文本进行复制输出，且只有 15 元的预充值额度进行体验，完成企业认证后可以进行充值） VIRTUAL 中文大模型基准测评 2023 年度报告： 国内外大模型总体表现： 国内大模型竞争格局：大厂平均 62.09，创业公司平均 69.42，差值约 6.33 分，较 11 月份差距在增大，说明大厂在大模型竞争中长期资源投入方面有一定优势。 国内大模型历月前三甲： 过去八个月国内模型在 SuperCLUE 基准上的前三名： 12 月：文心一言 4.0 11 月：文心一言 4.0 10 月：BlueLM 9 月：SenseChat 3.0 VIRTUAL 国内大模型关键进展： AndesGPT 是 OPPO 自主训练的大语言模型，于 11 月 2023 OPPO 开发者大会上正式推出，具有对话增强、个性专属和端云协同三大技术特征。目前已接入 OPPO 智能助理新小布，可用于用机助手、内容创作、超级问答、专属 AI、日程管理等全新能力，正在公测中。 模型特点：在语言理解与抽取、角色扮演能力上排名国内前一，在代码、生成与创作、上下文对话能力上排名国内前三。各项能力较为均衡，在国内大模型厂商中比较有竞争力。 适合应用：聚焦在移动设备端的应用，主要涵盖知识、记忆、工具、创作四个方向。目前已支持使用“系统设置、一方应用、三方服务、代码解释器”等各类工具，并且已全面支持文生文、文生图等场景。 优秀模型：Baichuan213BChat（百川智能）
2024-08-15
写作能力很强的AI排名
以下是关于写作能力很强的 AI 的相关信息： 最佳免费选项：Bing（https://www.bing.com/search?q=Bing+AI&showconv=1&FORM=hpcodx）和 Claude 2（https://claude.ai/）。 付费选项：带有插件的 ChatGPT 4.0/ChatGPT。目前，GPT4 是功能最强的人工智能写作工具，可在 Bing（选择“创新模式”）上免费访问，或通过购买 ChatGPT 的$20/月订阅来使用。Claude 是紧随其后的第二名，也提供了有限的免费选项。 此外，Notion AI（免费可用）可在笔记和文档中应用 AI 的力量，能让工作更迅速，写作更出色，思考更伟大。 还有 Guidde AI（免费可用），这是一款生成式 AI 平台，使团队能够以 11 倍的速度传递专业知识，与客户或员工共享。
2024-08-14
最新的国内大模型评测排名
中国国内的大模型排名可能在短时间内会有变化，作为AI机器人无法提供最新的信息。要获取最新的中国国内大模型排名，你可以查阅相关的科技新闻网站、学术论坛或关注人工智能领域的社交媒体平台，这些渠道通常会及时发布最新的排名和评价。 在通往 AGI 之路的知识库里，在 会定期更新相关的排名报告，可以供您查阅。
2024-04-15
现在性能最强的模型是？
目前性能较强的模型包括： Databricks 发布的 DBRX 是新的可能是现在最强的开源模型。它是拥有 132B 参数的 MoE 模型，一共拥有 16 个专家，每个 Token 激活 4 个专家，意味着有 36B 的活跃参数，Mixtral 只有 13B 的活跃参数（少了近 3 倍）。在语言理解、编程、数学和逻辑方面轻松击败了开源模型，如 LLaMA270B、Mixtral 和 Grok1，在大多数基准测试中超过了 GPT3.5。该模型以 12 万亿 Token 的文本和代码进行预训练，支持的最大上下文长度为 32k Tokens。 Llama 3 也是性能较强的开源模型，被认为是目前最强的开源大模型之一。 OpenAI 的 GPT4 是最先进和广泛使用的大型语言模型之一，在多种任务上展示了卓越的性能，包括文本生成、理解、翻译以及各种专业和创意写作任务。 此外，还有其他一些重要的大型语言模型，如 Anthropic 公司的 Claude 3、谷歌的 Gemini、百度的文心一言、阿里巴巴的通义大模型等，它们在特定领域和任务上也表现出了卓越的能力。
2024-08-13
我在学习VASP运算，想用它来计算材料的热电性能，第一步需要结构优化，最重要的是INCAR文件，能帮我写一个INCAR文件吗
VASP（Vienna Ab initio Simulation Package）是一款基于密度泛函理论（DFT）的第一性原理计算软件，广泛应用于材料科学中的电子结构计算和分子动力学模拟。使用VASP进行材料的热电性能计算时，确实需要对晶体结构进行优化，并且正确设置`INCAR`文件是至关重要的。 `INCAR`文件包含了VASP运行时的所有输入参数。一个基本的结构优化`INCAR`文件可能包含如下参数： ```plaintext 基本参数 PREC = Accurate 计算精度 ENCUT = 450 截断能，根据具体元素调整 ISMEAR = 1 采用Gaussian smearing方法 SIGMA = 0.2 用于ISMEAR的高斯宽度 NBANDS = 40 带数 EDIFF = 1e6 能量的收敛标准 EDIFFG = 0.02 离子的收敛标准 IBRION = 2 使用快速离子弛豫算法 EDIFF = 1e5 控制总能量的收敛 NSW = 50 最大离子步数 动力学计算参数（如果需要） LEPSILON = .TRUE. 计算宏观介电常数 KPOINTS = 自定义 K点设置，根据实际体系大小和对称性调整 其他可能需要的参数 LPEAD = .TRUE. 计算极化电荷 DIPOL = 自定义 电偶极子设置，用于分子动力学 NWRITE = 0 控制输出信息量 LCHARG = .TRUE. 计算并输出电荷密度 ``` 请注意，这只是一个示例文件，实际的`INCAR`文件需要根据你的具体体系和计算目标进行调整。例如，`ENCUT`需要根据你体系中元素的电子数来设定，`ISMEAR`和`SIGMA`的值可能需要根据费米能级的位置进行调整，`NBANDS`和`EDIFF`也需要根据计算的精度要求来设定。 对于热电性能的计算，你可能还需要考虑额外的参数，比如`LEPSILON`来计算介电常数，或者`DIPOL`来计算电偶极矩等。 在开始计算之前，强烈建议阅读VASP手册和相关文献，以确保正确设置所有参数，并理解每个参数的物理意义。此外，对于热电性能的计算，可能还需要进行额外的热力学和动力学分析，这通常涉及到更复杂的`INCAR`文件设置和后处理步骤。
2024-05-25
如何对比不同大语言模型的性能
对比不同大型语言模型的性能需要考虑多个维度，包括但不限于以下几个方面： 1. 理解能力：评估模型对语言的理解程度，包括对语法、语义、上下文和隐含意义的理解。 2. 生成质量：检查模型生成的文本的质量，包括文本的流畅性、相关性和准确性。 3. 知识广度和深度：评估模型对广泛主题的知识掌握程度，以及它对特定领域或话题的理解深度。 4. 泛化能力：测试模型在处理未见过的任务或数据时的表现，这反映了模型的泛化能力。 5. 鲁棒性：检查模型对错误输入、对抗性输入或模糊不清的指令的应对能力。 6. 偏见和伦理：评估模型生成文本时是否存在偏见，以及模型是否遵循伦理标准。 7. 交互性和适应性：评估模型在交互环境中的表现，包括对用户反馈的适应性和持续对话的能力。 8. 计算效率和资源消耗：考虑模型的大小、训练和运行所需的计算资源。 9. 易用性和集成性：评估模型是否易于集成到不同的应用和服务中，以及提供的API和工具的易用性。 为了进行有效的比较，可以采用以下方法： 标准基准测试：使用标准的语言模型评估基准，如GLUE、SuperGLUE、SQuAD等，这些基准提供了统一的测试环境和评分标准。 自定义任务：根据特定需求设计任务，以评估模型在特定领域的表现。 人类评估：结合人类评估者的主观评价，特别是在评估文本质量和伦理问题时。 A/B测试：在实际应用场景中，通过A/B测试比较不同模型的表现。 性能指标：使用包括准确率、召回率、F1分数、BLEU分数等在内的性能指标来量化比较。 通过这些方法，可以全面地评估和对比不同大型语言模型的性能，从而选择最适合特定需求的模型。
2024-04-17