Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

混元大模型

Answer

腾讯混元大模型（Hunyuan-Large）是全球最大的 MoE 开源模型，具有以下特点：

  • 拥有 3890 亿参数，其中活跃参数为 520 亿。
  • 具备强大的长文本处理和常识推理能力，支持 256K 上下文窗口。
  • 通过数据增强，使用合成数据提升对未见内容的理解。

详细介绍：https://xiaohu.ai/p/15254 模型下载：https://huggingface.co/tencent/Tencent-Hunyuan-Large 技术报告：https://arxiv.org/pdf/2411.02265

Content generated by AI large model, please carefully verify (powered by aily)

References

XiaoHu.AI日报

🔔Xiaohu.AI日报「11月6日」✨✨✨✨✨✨✨✨1⃣️ 🎙️Fish Agent V0.1 3B语音处理模型：多语言TTS支持：英语、中文、德语、日语、法语、西班牙语、韩语、阿拉伯语等。端到端架构：支持即时语音克隆与文本到语音转换。超快响应：200毫秒内完成文本到音频转换。🔗详细介绍：[https://xiaohu.ai/p/15247](https://xiaohu.ai/p/15247)🔗演示地址：[http://fish.audio/demo/live](http://fish.audio/demo/live)2⃣️ 🧠腾讯混元大模型（Hunyuan-Large）：全球最大MoE开源模型：3890亿参数，活跃参数520亿。强长文本处理和常识推理能力，支持256K上下文窗口。数据增强：使用合成数据提升对未见内容的理解。🔗详细介绍：[https://xiaohu.ai/p/15254](https://xiaohu.ai/p/15254)🔗模型下载：[https://huggingface.co/tencent/Tencent-Hunyuan-Large](https://huggingface.co/tencent/Tencent-Hunyuan-Large)🔗技术报告：[https://arxiv.org/pdf/2411.02265](https://arxiv.org/pdf/2411.02265)3⃣️ 🤔人类为何害怕AI：

XiaoHu.AI日报

🔔Xiaohu.AI日报「11月6日」✨✨✨✨✨✨✨✨1⃣️ 🎙️Fish Agent V0.1 3B语音处理模型：多语言TTS支持：英语、中文、德语、日语、法语、西班牙语、韩语、阿拉伯语等。端到端架构：支持即时语音克隆与文本到语音转换。超快响应：200毫秒内完成文本到音频转换。🔗详细介绍：[https://xiaohu.ai/p/15247](https://xiaohu.ai/p/15247)🔗演示地址：[http://fish.audio/demo/live](http://fish.audio/demo/live)2⃣️ 🧠腾讯混元大模型（Hunyuan-Large）：全球最大MoE开源模型：3890亿参数，活跃参数520亿。强长文本处理和常识推理能力，支持256K上下文窗口。数据增强：使用合成数据提升对未见内容的理解。🔗详细介绍：[https://xiaohu.ai/p/15254](https://xiaohu.ai/p/15254)🔗模型下载：[https://huggingface.co/tencent/Tencent-Hunyuan-Large](https://huggingface.co/tencent/Tencent-Hunyuan-Large)🔗技术报告：[https://arxiv.org/pdf/2411.02265](https://arxiv.org/pdf/2411.02265)3⃣️ 🤔人类为何害怕AI：

谷歌Gemini多模态提示词培训课——Part1

本系列课程是Deeplearning联合谷歌Gemini团队开发的免费在线课程，课程中使用了Gemini模型作为教学模型，教授大家如何使用多模态提示词与模型交互。由于课程内容中有很多在国内无法应用的部分，在其之中也缺乏了某些概念。有鉴于此，我截取了部分教程内容，并适当混合了一些入门概念。将其进行重新整理和刊发，以增强其普世价值。（如有需要，请访问[原版在线课程](https://learn.deeplearning.ai/)）在这个系列中你可以学到：1.了解什么是多模态大模型2.了解Gemini系列模型3.使用Gemini API进行多模态提示词最佳实践（其提示词理念也同样也适用于完整AI产品的交互，0代码读者不必过多担心）[heading1]一、什么是多模态大模型（MLLM）[content]多模态大模型（MLLM）是一种在统一的框架下，集成了多种不同类型数据处理能力的深度学习模型，这些数据可以包括文本、图像、音频和视频等，通过整合这些多样化的数据，MLLM能够更全面地理解和解释现实世界中的复杂信息。这种多元化的数据处理能力使得MLLM在面对复杂任务时表现出更高的准确性和鲁棒性。通过综合分析不同类型的信息，这些模型能够得出更加全面和准确的结论，从而在各种应用场景中发挥重要作用。下方是一个典型MLLM架构的示意图。它包括一个编码器、一个连接器和一个LLM。可以选择性地在LLM上附加一个生成器，以生成除文本之外的更多模态。编码器接收图像、音频或视频并输出特征，这些特征经由连接器处理，使LLM能更好地理解。连接器大致可分为三类：基于投影的、基于查询的和基于融合的连接器。前两种类型采用词元级融合，将特征处理成词元，与文本词元一起发送，而最后一种类型则在LLM内部实现特征级融合。注：词元=Token

Others are asking
腾讯混元大模型网址
腾讯混元大模型的开源地址为：https://github.com/Tencent/HunyuanVideo 。普通用户也可以去腾讯元宝 APP，进入 AI 应用查看该模型，可能需要申请资格，但腾讯处理速度较快。此外，模型下载地址为：https://huggingface.co/tencent/TencentHunyuanLarge ，详细介绍可参考：https://xiaohu.ai/p/15254 ，技术报告：https://arxiv.org/pdf/2411.02265 。
2024-12-09
智能体（AI Agent）对比大模型在应用中的优势是什么
智能体（AI Agent）对比大模型在应用中的优势主要包括以下方面： 1. 能够回答私有领域问题，例如公司制度、人员信息等，而大模型存在无法回答此类问题的局限性。 2. 可以及时获取最新信息，如实时天气、比赛结果等，大模型在这方面有所不足。 3. 能准确回答专业问题，如复杂数学计算、图像生成等，大模型在这些方面表现欠佳。 4. 适用于多种客户场景，如有企业官网、钉钉、微信等渠道，期望为客户提供产品咨询服务的场景，以及缺少技术人员开发大模型问答应用的情况。 5. 基于大模型，通过集成特定的外部能力，弥补大模型的不足。例如集成实时信息获取、回答私有领域问题等外部能力。 6. 典型场景丰富，包括私有领域知识问答、个性化聊天机器人、智能助手等。如私有领域知识问答，只需准备好相关知识库文件，就可在百炼控制台快速创建应用；个性化聊天机器人可通过长期记忆保存关键历史对话信息，并集成夸克搜索和图像生成等插件扩展功能；智能助手可引入 RAG 能力、长期记忆和自定义插件等功能提升工作效率。 在基准测评方面，AI Agent 智能体正在最大程度释放 LLM 潜能，逐渐成为通向 AGI 的技术共识。现有关于 Agent 能力的测评，主要在英文场景或任务，目前还没有一个在中文任务和场景上针对中文大模型的全面测评。通过测评结果发现，在 Agent 核心基础能力上，国内模型已经较为接近或部分超过 GPT3.5 水平。 从原理上看，智能体中间的“智能体”就是 LLM 或大模型，通过为其增加工具、记忆、行动、规划四个能力来实现。行业里主要用到的是 langchain 框架，它把 LLM 之间以及 LLM 和工具之间通过代码或 prompt 的形式进行串接，在 prompt 层和工具层完成主要的设计逻辑。
2025-01-13
什么是多模态模型?
多模态模型是指能够处理和融合多种不同模态信息（如视觉、语言、音频等）的模型。 以下为一些常见的多模态模型示例： 智谱·AI 推出的具有视觉和语言双模态的模型： CogAgent18B：基于 CogVLM17B 改进的开源视觉语言模型，拥有 110 亿视觉参数和 70 亿语言参数，支持 11201120 分辨率的图像理解，在 CogVLM 功能的基础上，具备 GUI 图像的 Agent 能力。代码链接：。 CogVLM17B：强大的开源视觉语言模型（VLM），基于对视觉和语言信息之间融合的理解，在多模态权威学术榜单上综合成绩优异。代码链接：。 Visualglm6B：开源的支持图像、中文和英文的多模态对话语言模型，语言模型基于 ChatGLM6B，具有 62 亿参数；图像部分通过训练 BLIP2Qformer 构建起视觉模型与语言模型的桥梁，整体模型共 78 亿参数。代码链接：。 RDM：Relay Diffusion Model，级联扩散模型，可以从任意给定分辨率的图像快速生成，而无需从白噪声生成。代码链接：。 Google 的人工智能多模态大模型叫 Gemini，它是 Google DeepMind 团队开发的，不仅支持文本、图片等提示，还支持视频、音频和代码提示。能够理解和处理几乎任何输入，结合不同类型的信息，并生成几乎任何输出。被称为 Google 迄今为止最强大、最全面的模型，被描述为一种“原生多模态大模型”，从设计之初就支持多模态，能够处理语言、视觉、听觉等不同形式的数据。但请注意，以上内容由 AI 大模型生成，请仔细甄别。
2025-01-13
生成 3D 模型
以下是关于生成 3D 模型的相关信息： Rodin Gen 1： 输入文本后会文生图，不满意可重复生成图片。 图片满意后点击 GENERATING 生成 3D，很快获得一个快速生成的粗模。 右上可选择是否对称、是锋利边缘还是光滑边缘，是否简单几何模式。 选择后查看模型是否满意，不满意可 redo，满意后选择 confirm 进行下一步，这里可以先选择产出的面数（开始扣积分）。 下一步生成材质，可选材质的复杂度以及参考图片的影响。 生成后在左边查看，满意点击 confirm。 左侧预览区可以选择多种形式查看。 模型基本完成后，可以选择对应的格式规格下载，压缩包里会有 obj 格式和 PBR 材质，也可以发布到 sketchfab。 Tripo AI： 文生 3D 模型：在「Create」界面底部输入框输入提示词（不支持中文），不会写提示词可点击输入框左侧的</>按钮随机生成并自动填入。填写好后点击右侧「Create」生成 3D 模型，每次生成 4 个基础模型，不满意可点击「Retry」重新生成，有满意的模型点击单个模型下方黄色的「Refine」精修，在「My Models」中查看精修进度，一般 5 分钟左右完成。 图生 3D 模型：点击输入框右侧的图标上传图片生成 3D 模型，一次生成一个基础模型，支持Retry 重生成和 Refine 精修。 工具汇总： xiaohu.ai 相关 3D 信息： MakeACharacter：一键生成 3D 数字人，可自定义面部特征，基于真实人类扫描数据，使用 Unreal Engine 渲染，支持中英文提示，兼容多个行业应用。 Rodin Gen1：拥有 1.5B 参数，可实现 3Dto3D 生成，生成 3D 模型及物理基础渲染材质，支持 3D LoRA 技术。 Skybox AI 0.9 版本更新：可以从文本提示或草图生成 360 度 3D 世界，使用 NeRF 技术，增强图像的空间深度和真实感，提供不同分辨率的 3D 网格下载。 扫描物体生成 3D 模型：使用 APP 扫描物体，完成 3D 全貌捕获，创建 AR QR 码，展示物体于任何地点，苹果新品官网展示中应用此技术。
2025-01-13
什么是AI大模型
AI 大模型是一个复杂的体系，具有以下特点和组成部分： 1. 整体架构： 基础层：为大模型提供硬件支撑和数据支持，例如 A100、数据服务器等。 数据层：包括静态的知识库和动态的三方数据集，是企业根据自身特性维护的垂域数据。 模型层：包含 LLm（大语言模型，如 GPT，一般使用 transformer 算法实现）或多模态模型（如文生图、图生图等模型，训练数据为图文或声音等多模态数据集）。 平台层：如大模型的评测体系或 langchain 平台等，是模型与应用之间的组成部分。 表现层：即应用层，是用户实际看到的地方。 2. 运作原理：以 LLm 为例，大模型在回复时是一个字一个字地推理生成内容，类似于输入法的输入联想逻辑。但存在计算量和干扰信息的问题，词向量机制和 transformer 模型中的 attention 自注意力机制解决了这些难题。 3. 带来的变革：大模型与当下智能语音技能的 NLU 存在本质差别。NLU 是通过规则、分词策略等训练而成，运作逻辑可观测，具有 ifelse 式逻辑性；大模型凭借海量数据在向量空间中学习知识的关联性，运作逻辑难以观测，脱离了 ifelse 层面。此次 AI 变革量级可能与移动互联网同级，甚至可能达到蒸汽机出现的级别。
2025-01-13
我想利用国产的语言大模型，根据会议内容生成会议纪要。1-请给我推荐能够实现以上内容的国产大模型；2-我应该提供哪些信息给大模型，才能实现我的想法。
以下是为您推荐的能够根据会议内容生成会议纪要的国产大模型：文心一言、讯飞星火等。 为了实现您的想法，您应该提供给大模型以下信息： 1. 详细的会议内容，包括与会人员的发言、讨论的主题和重点等。 2. 明确您对会议纪要的格式和重点的要求，例如是否需要按照特定的结构进行整理，是否需要突出某些关键信息等。 3. 如有相关的背景资料或补充说明，也应一并提供，以便大模型更全面地理解会议内容。
2025-01-13
给大模型喂养的知识库哪里有
以下是一些获取给大模型喂养的知识库的途径和相关信息： 1. 在 Coze 中，大模型存在不准确和数据限制的问题，因此知识库的出现是为解决数据准确性。典型应用如客服系统，公司可将用户问题及答案记录在文档中作为知识库投喂给大模型，以实现更准确的回答。 2. 在阿里云百炼中，为 AI 助手增加私有知识的步骤包括：上传文件，在百炼控制台的中设置，打开知识检索增强开关、选择目标知识库并发布。 3. 在探讨大模型的 Brain 模块时，知识分为两大类，其中内置知识又可细分为常识知识、专业知识和语言知识。常识知识涵盖日常生活的事实和逻辑规则，专业知识涉及特定领域的详细信息，语言知识包括语法规则、句型结构、语境含义等。
2025-01-12