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

Qwen 多模态模型哪一个最顶？

Answer

目前阿里发布的 Qwen 多模态模型中，Qwen2.5-VL 较为突出。它可处理长达数小时的视频，并在电脑上执行自动化任务。提供 3B、7B、72B 三种规模，旗舰版对标 GPT-4o、Claude 3.5 Sonnet。具备全文档解析能力，支持手写、表格、图表、化学公式等多场景识别，还可操作电脑或手机界面，执行自动化任务，如点击按钮、填表等。详情可参考：https://www.xiaohu.ai/c/xiaohu-ai/qwen2-5-vl-285cee 。此外，Qwen2.5-Max 也是阿里通义千问的大型专家模型（MoE），基于 SFT 和 RLHF 策略训练，在多项基准如 Arena Hard、LiveBench、LiveCodeBench、GPQA-Diamond 上超越 DeepSeek V3，引发社区关注。更多体验方式包括支持官方 Chat、API 接口、Hugging Face Demo 等，详情可参考：https://qwenlm.github.io/blog/qwen2.5-max/ 、https://chat.qwenlm.ai 、https://alibabacloud.com/help/en/model-studio/getting-started/first-api-call-to-qwen?spm=a2c63.p38356.help-menu-2400256.d_0_1_0.1f6574a72ddbKE 、https://huggingface.co/spaces/Qwen/Qwen2.5-Max-Demo 。

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

References

XiaoHu.AI日报

🔔Xiaohu.AI日报「2月20日」✨✨✨✨✨✨✨✨1⃣️🎥阿里发布Qwen2.5-VL多模态模型可处理长达数小时的视频，并在电脑上执行自动化任务。提供3B、7B、72B三种规模，旗舰版对标GPT-4o、Claude 3.5 Sonnet。具备全文档解析能力，支持手写、表格、图表、化学公式等多场景识别。可操作电脑或手机界面，执行自动化任务，如点击按钮、填表等。🔗[https://www.xiaohu.ai/c/xiaohu-ai/qwen2-5-vl-285cee](https://www.xiaohu.ai/c/xiaohu-ai/qwen2-5-vl-285cee)2⃣️🤖手把手教你在支付宝发布AI机器人可用DeepSeek-R1全系列模型打造属于自己的AI，免费使用不限量。支持通义千问、智谱等多种模型，想怎么玩就怎么玩。在支付宝搜索「百宝箱」，可以找到你的机器人！🔗[http://tbox.alipay.com](http://tbox.alipay.com)🔗[https://x.com/imxiaohu/status/1892528728691064862](https://x.com/imxiaohu/status/1892528728691064862)3⃣️🚀xAI公布Grok 3详情，全部免费开放！基准测试超越GPT-4o、Claude 3.5 Sonnet等顶级模型。支持100万token上下文窗口，预览版仍在训练中。API将在未来几周内发布。🔗[https://x.ai/blog/grok-3](https://x.ai/blog/grok-3)

2月21日 社区动态速览

1⃣️🎥阿里发布Qwen2.5-VL多模态模型可处理长达数小时的视频，并执行自动化任务。提供三种规模：3B、7B、72B，旗舰版对标GPT-4o、Claude 3.5 Sonnet。支持手写、表格、图表、化学公式等多场景识别。🔗[详情](https://www.xiaohu.ai/c/xiaohu-ai/qwen2-5-vl-285cee)2⃣️🤖手把手教你在支付宝发布AI机器人使用DeepSeek-R1等模型免费打造自己的AI。支持通义千问、智谱等多种模型。通过支付宝的“百宝箱”查找你的机器人。🔗[详情](http://tbox.alipay.com)3⃣️🚀xAI公布Grok 3详情，全部免费开放！基准测试超越GPT-4o和Claude 3.5 Sonnet。支持100万token上下文窗口。🔗[详情](https://x.ai/blog/grok-3)4⃣️🖼️Google发布PaliGemma 2 Mix开源视觉-语言模型支持图像描述、OCR、目标检测等能力。可达SOTA水准，支持多任务迁移学习。🔗[详情](https://www.xiaohu.ai/c/xiaohu-ai/google-paligemma-2-mix-ocr)5⃣️🌞法国“人造太阳”成功点亮22分钟，刷新核聚变纪录

1月29日 社区动态速览

1⃣️🎉Qwen2.5-Max：阿里通义千问的大型专家模型（MoE）实力：基于SFT和RLHF策略训练，在多项基准如Arena Hard、LiveBench、LiveCodeBench、GPQA-Diamond上超越DeepSeek V3，引发社区关注。更多体验：支持官方Chat、API接口、Hugging Face Demo等多种方式，展示其顶尖性能与灵活应用场景。[🔗Blog](https://qwenlm.github.io/blog/qwen2.5-max/)|🔗[Qwen Chat](https://chat.qwenlm.ai)|🔗[API](https://alibabacloud.com/help/en/model-studio/getting-started/first-api-call-to-qwen?spm=a2c63.p38356.help-menu-2400256.d_0_1_0.1f6574a72ddbKE)|🔗[HF Demo](https://huggingface.co/spaces/Qwen/Qwen2.5-Max-Demo)2⃣️🖼️Qwen2.5-VL：新一代视觉语言模型多场景支持：可解析1小时以上视频内容并秒级定位事件，识别从金融文档到通用物体，动态适配高分辨率图像。多模态AI代理：具备复杂任务执行能力（手机、电脑），覆盖更多实际场景如票据解析、商业分析等。[🔗详细介绍](https://www.xiaohu.ai/c/xiaohu-ai/qwen2-5-vl)3⃣️🎵YuE：全新多模态音乐开源模型

Others are asking
qwen
Qwen 2 已开源，具有以下特点和优势： 1. 提供 5 种尺寸的预训练和指令调整模型，包括 Qwen20.5B、Qwen21.5B、Qwen27B、Qwen257BA14B 和 Qwen272B。 2. 除英语和中文外，还接受过另外 27 种语言的数据训练。 3. 在大量基准评估中表现出最先进的性能，代码和数学性能显著提高，全面超越 llama3。 4. 增大了上下文长度支持，最高达到 128K tokens（Qwen272BInstruct），72B 和 7B 可处理 128k 上下文，57BA14B 可处理 64k 上下文，0.5B 和 1.5B 可处理 32k 上下文。 5. 相比 2 月推出的通义千问 Qwen1.5，实现了整体性能的代际飞跃。在权威模型测评榜单 OpenCompass 中，此前开源的 Qwen1.5110B 已领先于文心 4.0 等一众中国闭源模型，Qwen272B 整体性能相比 Qwen1.5110B 又取得了大幅提升。在 MMLU、GPQA、HumanEval、GSM8K、BBH、MTBench、Arena Hard、LiveCodeBench 等国际权威测评中，Qwen272B 获十几项世界冠军，超过美国的 Llama3。 Qwen2 系列模型的性能突破具有重要意义： 1. 在中国大模型领域，开源模型显示出超越最强闭源模型的势头。 2. 中国的开源大模型，从性能到生态都具备了媲美美国 Llama3 的能力。 通义千问大模型的持续优化和进步，主要依赖强大的大模型研发能力、领先的基础设施能力以及开源社区的充分支持。阿里云是全球唯一一家积极研发先进 AI 模型并且全方位开源的云计算厂商。 体验 Qwen2 系列模型的途径： 1. 已上线魔搭社区 ModelScope 和阿里云百炼平台，开发者可在魔搭社区体验、下载模型，或通过阿里云百炼平台调用模型 API。 2. Qwen272binstruct 模型已经上线中国大语言模型评测竞技场 Compass Arena，所有人都可以登录体验 Qwen2 的性能，或者选择 Qwen2 模型与其他大模型进行对比测评。测评地址：。Compass Arena 是由上海人工智能实验室和魔搭社区联合推出的大模型测评平台，集齐了国内主流的 20 多款大模型。 此外，玉宝搞过一个 LLM 的在线评估，里面可以看到国内各个闭源大模型的 HUMANEVAL 测评得分，可以和 QWEN2 对比，网址为：https://www.llmrank.cn/ 。除了美国 Llama 开源生态之外，通义千问已成为全球开发者的另一主流选项。
2025-03-10
qwen.chat
以下是关于 Qwen 的相关信息： 2023 年度中文大模型基准测评报告中提到了 Qwen 的相关模型，如 Qwen14BChat、Qwen72BChat。 1 月 28 日的 Xiaohu.AI 日报中，大年三十发布了 Qwen2.5Max 模型，这是通义千问推出的大型专家模型（MoE），通过 SFT 和 RLHF 策略后训练，性能与顶尖模型竞争，在多个基准测试中超越了 DeepSeek V3，引发了 AI 社区对大规模专家模型的高度关注。相关链接包括： Blog: Qwen Chat: （选择 Qwen2.5Max 模型） API: HF Demo: 1 月 28 日的 Xiaohu.AI 日报中还提到阿里云发布了 Qwen2.5VL：新一代视觉语言模型。
2025-02-21
Qwen 2.5 max 如何访问
Qwen 2.5 Max 可以通过以下方式访问： 1. 目前，Qwen 2.5 Max 已在阿里云百炼平台上架，模型名称为 qwenmax20250125，企业和开发者都可通过阿里云百炼调用新模型 API。 2. 同时，也可以在全新的 Qwen Chat（https://chat.qwenlm.ai/）平台上使用 Qwen 2.5 Max，直接与模型对话，或者使用 artifacts、搜索等功能。 此外，您还可以通过以下链接获取更多相关信息：
2025-02-13
我想利用现有的20万条政务相关数据，基于qwen2.5 70B大模型构建自己的政务服务大模型，该如何做，请给出具体实现流程，谢谢！
以下是基于 qwen2.5 70B 大模型利用 20 万条政务相关数据构建政务服务大模型的大致流程： 1. 数据准备：对 20 万条政务相关数据进行清洗、预处理和标注，使其适合模型学习。 2. 模型选择与下载：选择 qwen2.5 70B 大模型，并按照相关说明进行下载。 3. 本地部署： 启动 OpenAI 兼容的 API 服务，根据硬件配置设置相关参数，如 tensorparallelsize（设置使用的 GPU 数量）、maxmodellen（定义最大输入序列长度）、maxnumbatchedtokens（设置 Chunked Prefill 的块大小）、maxnumseqs（限制并发处理的序列数量）。 遇到问题可参考相关内容。 4. 与模型交互：可以使用 Curl 或 Python 等方法与部署的模型进行交互，对于更高级的使用方式，可以探索如之类的框架。 5. 模型训练：模型训练是一个复杂且计算量极大的过程，需要大量的计算资源和时间。 需要注意的是，构建大模型是一个复杂的任务，需要具备一定的技术知识和经验。在实际操作中，可能会遇到各种问题，需要不断调试和优化。
2025-02-06
qwen2.5-max如何安装
Qwen2.5Max 的安装方式如下： 目前，Qwen2.5Max 已在阿里云百炼平台上架，模型名称为 qwenmax20250125，企业和开发者都可通过阿里云百炼调用新模型 API。同时，也可以在全新的 Qwen Chat（https://chat.qwenlm.ai/）平台上使用 Qwen2.5Max，直接与模型对话，或者使用 artifacts、搜索等功能。 相关链接：
2025-01-30
怎么调用qwen？
要调用 qwen ，有以下几种情况和步骤： 1. 调用百炼“应用”： 创建一个百炼应用，假设命名为“苏苏”。 在/root/chatgptonwechat/文件夹下，打开config.json文件。 更改"model":"qwen"，并添加"qwen_access_key_id"、"qwen_access_key_secret"、"qwen_agent_key"、"qwen_app_id"四项配置。 配置项获取可参考视频教程： 图文教程及参考配置也有提供。 注意：需要“实名认证”后，这些key才可以正常使用，如果对话出现“Access to mode denied.Please make sure you are eligible for using the model.”的报错，那说明您没有实名认证，点击去，或查看自己是否已认证。 2. 直接调用大模型： 百炼首页：https://bailian.console.aliyun.com/ 在/root/chatgptonwechat/文件夹下，打开config.json文件。 以调用“qwenmax”模型为例，需要更改"model"，和添加"dashscope_api_key"。 获取 key 可参考视频教程： 图文教程及参考配置也有提供。 注意：需要“实名认证”后，这些key才可以正常使用，如果对话出现“Access to mode denied.Please make sure you are eligible for using the model.”的报错，那说明您没有实名认证，点击去，或查看自己是否已认证。 3. 创建知识库应用并调用： 地址输入浏览器：http://这里替换为您宝塔左上角的那一串:3000/ 进入后，点击应用并创建，选择 qwen 模型。 创建知识库。点击知识库 选择 qwen Embedding 1 点击确认创建。 上传文件，等待处理，最后文本状态是“已就绪”。 回到刚刚创建的应用，关联上创建的知识库。 点击两个发布。之前第一个叫做保存。 点击新建，创建 key。创建后保存同时将 API 根地址最后加上/v1 也保存下来。 回到宝塔，打开【终端】 依次粘贴并回车：cd/root git clone https://github.com/zhayujie/chatgptonwechat cd chatgptonwechat/ pip install r requirements.txt pip install r requirementsoptional.txt 等待执行完成。 到“文件”菜单中去执行，点击文件 找到 root，进入 root 文件夹，找到 chatgptonwechat 文件夹，并进入。
2025-01-20
如何构建多模态知识库？
构建多模态知识库可以参考以下步骤： 1. 图像知识库方面：通过多模态的能力对图片信息进行检索理解。效果测试时，上传一张图片，在图像数据库里找到相关信息，然后结合内容进行回复。 2. 构建图片索引： 新建结构化数据表时，将图片索引所在列的字段类型设置为 link。需注意新建数据表后，无法再新增或修改字段类型为 link。 创建结构化知识库时，对于需要建立图片索引的 link 类型字段，在旁边的下拉列表中选择图片。创建知识库后，无法再新建或修改图片索引。 3. 多模态知识库还包括构建图片型索引需结构化数据表，字段类型设置为 link，以实现 FAQ 中向用户推送图片信息。
2025-03-19
多模态达模型排行
以下是一些常见的多模态模型排行及相关信息： 1. 智谱·AI 开源模型： 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），在多模态权威学术榜单上综合成绩第一，在 14 个数据集上取得了 stateoftheart 或者第二名的成绩。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：。 2. Gemini 模型：Gemini Ultra 在表 7 中的各种图像理解基准测试中都是最先进的，在回答自然图像和扫描文档的问题，以及理解信息图表、图表和科学图解等各种任务中表现出强大的性能。在 zeroshot 评估中表现更好，超过了几个专门在基准训练集上进行微调的现有模型，适用于大多数任务。在 MMMU 基准测试中取得了最好的分数，比最先进的结果提高了 5 个百分点以上，并在 6 个学科中的 5 个学科中超过了以前的最佳结果。 3. 多模态思维链提示方法：Zhang 等人（2023）提出了一种多模态思维链提示方法，多模态 CoT 模型（1B）在 ScienceQA 基准测试中的表现优于 GPT3.5。
2025-03-18
【深度拆解】ChatGPT-4o背后的技术革新：从语言模型到多模态跨越
ChatGPT4o 背后的技术革新具有重要意义。人类的感知多样，仅靠语言描述世界远远不够，多模态理解非常有用，能更全面学习世界、理解人类需求等。2023 年 9 月 GPT4v 发布，将大语言模型竞赛带入多模态模型时代，如 ChatGPT 能看图说话、画图，Google 的 Gemini 支持多种模态，但 OpenAI 常抢先发布。今年 5 月 OpenAI 发布 GPT4o，向智能体方向迈进，其是之前技术的集大成者，通过端到端神经网络混合训练视觉、语音和文本数据，平均音频输入反应时间为 300 毫秒，能感悟人类表达的情绪等。OpenAI 未公开 GPT4o 技术细节，唯一线索来自内部炼丹师的博客 AudioLM。此外，GPT4 是 OpenAI 的多模态工具，在编程任务中表现出色，ChatGPT 是用户友好界面，可与高级语言模型交互。2024 年 5 月 14 日 OpenAI 发布 GPT4o，效率高、价格降低、延迟缩短。9 月 16 日 OpenAI 推出 o1 系列模型，在复杂任务中表现优异，o1mini 适合编码任务，两个模型已在 ChatGPT 中提供，有免费或收费版本。
2025-03-09
多模态是什么
多模态是指多数据类型交互，能够提供更接近人类感知的场景。大模型对应的模态包括文本、图像、音频、视频等。 随着生成式 AI 和大模型的发展，我们逐渐进入多模态灵活转换的新时代，即利用 AI 实现文本、图像、音频、视频及其他更多模态之间的互相理解和相互转换，这一变革依靠一系列革新性的算法。 在感知不同模态数据时，AI 不再局限于传统的单一模态处理方式，而是借助高维向量空间来理解数据，将图像或文字“压缩”成能够捕捉深层关系的抽象向量。 Gemini 模型本身就是多模态的，展示了无缝结合跨模态的能力，在识别输入细节、聚合上下文以及在不同模态上应用等方面表现出强大性能。
2025-03-02
多模态大模型 原理是什么？
多模态大模型的原理如下： 基于大圆模型，能够识别页面组件结构和位置绝对值信息，并与组件、文本映射。由解码器、backbone、Generator 等部件组成，左侧进行多模态理解，右侧生成输出。 典型的多模态大模型架构包括一个编码器、一个连接器和一个 LLM，还可选择性地在 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。连接器大致可分为基于投影的、基于查询的和基于融合的三类，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，最后一种类型则在 LLM 内部实现特征级融合。
2025-02-27
多模态搜索
以下是关于多模态搜索的相关信息： ThinkAny 搜索引擎： 产品特性： 支持多模态检索（MultiModeSearch），可检索链接、图片、视频等模态内容。 支持多维度输出（MultiFormOutput），能以对话、大纲、思维导图、时间线等形式输出搜索问答内容。 支持多信源检索（MultiRetrieveSource），可检索 Google、Wikipedia、Github 等信息源的内容。 开源了 API 项目 ragsearch，实现联网检索功能，并对检索结果进行重排和获取详情内容。 长期发展方向是走 AI Search+Anything 的平台化路线，允许用户挂载自定义信息源、创建自定义智能体、实现自定义的流程编排。 其他推荐的 AI 搜索引擎： 秘塔 AI 搜索：提供多模式搜索、无广告干扰、结构化展示和信息聚合等功能。 Perplexity：聊天机器人式搜索引擎，用自然语言提问，从各种来源收集信息并给出答案。 360AI 搜索：通过 AI 分析问题，生成清晰、有理的答案，并支持增强模式和智能排序。 天工 AI 搜索：采用生成式搜索技术，支持自然语言交互和深度追问，未来将支持图像、语音等多模态搜索。 Flowith：创新的 AI 交互式搜索和对话工具，基于节点式交互方式，支持多种 AI 模型和图像生成技术，有插件系统和社区功能。 Devv：面向程序员的 AI 搜索引擎，提供编程、软件开发和人工智能等领域的专业建议和指导。 Phind：专为开发者设计的 AI 搜索引擎，利用大型语言模型提供相关搜索结果和动态答案，擅长处理编程和技术问题。 提升 AI 搜索准确度： 在提示词的设计和调试方面需要下功夫，很多环节都需用到提示词，如请求大模型判断是否需要联网、改写问题、提取关键词、回答问题、标注引用来源、以思维导图形式输出答案、做 Function Calling 判断使用的 Agents 等。 多模态检索是提升信息密度的重要措施，随着 5G 发展，互联网信息多元化，图片、视频、音频比重增大，多模态检索为获取不同形式信息再聚合起来作为引用参考。但多模态检索实现困难，现阶段可在谷歌搜索基础上，先使用其图片/视频检索 API 拿到匹配内容，再通过 OCR 图片识别、音视频转录等方法拿到多模态信息的文本内容。
2025-02-25
搭建私有大模型
搭建私有大模型可以参考以下几种方法： 1. 方法一 搭建，用于汇聚整合多种大模型接口，方便后续更换使用各种大模型，同时会告知如何白嫖大模型接口。 搭建，这是一个知识库问答系统，将知识文件放入，并接入上面的大模型作为分析知识库的大脑，最后回答问题。若不想接入微信，搭建完此系统即可，它也有问答界面。 搭建，其中的cow插件能进行文件总结、MJ绘画。 2. 方法二 部署大语言模型： 下载并安装Ollama，根据电脑系统，从https://ollama.com/download 下载。下载完成后，双击打开，点击“Install”。安装完成后，将下方地址复制进浏览器中，若出现相关字样，表示安装完成：http://127.0.0.1:11434/ 。 下载qwen2:0.5b模型（0.5b是为了方便测试，下载快，设备充足可下载更大模型）。若为windows电脑，点击win+R，输入cmd，点击回车；若为Mac电脑，按下Command（⌘）+Space键打开Spotlight搜索，输入“Terminal”或“终端”，然后从搜索结果中选择“终端”应用程序。复制相关命令行，粘贴进入，点击回车，等待下载完成。 3. 方法三 企业大模型四步走的第一步是私有化部署通用大模型，一是解决AI科普问题，二是满足一些通用需求。若有能力，可赠送免费的私有化部署通用大模型，其为千亿模型的缩小版、浓缩版，能解决科普问题，让企业员工熟悉大模型，同时满足办公等通用需求。此外，还提供了360AI办公的一套会员服务，围绕办公营销需求做了很多工具，以订阅模式耗费算力，每天几乎一块钱。
2025-03-26
我是一位程序开发小白，不会用代码开发程序。我现在有一台安装Window 11操作系统的笔记本电脑，配置为14代i7CPU、32G内存、1TB硬盘、1张RTX4070显卡。我想部署一套本地的大模型＋智能体＋知识库。我要怎么样才能实现无代码部署，请列出详细的安装步骤。
以下是为您提供的无代码部署本地大模型、智能体和知识库的详细安装步骤： 1. 硬件评估：您的笔记本电脑配置为 14 代 i7 CPU、32G 内存、1TB 硬盘、1 张 RTX4070 显卡，基本满足部署要求。但需要注意，运行内存最低 32GB，越高越好，最低配可能会经常爆显存。建议将软件和模型部署在 SSD（固态硬盘）上，以提高加载模型的速度。 2. 选择合适的部署工具：ComfyUI 是一个相对配置要求较低、系统资源占用少、出图速度快的工具。它最低可在小于 3G 的 GPU 上运行，甚至没有 GPU 光用 CPU 也可以，但速度极慢。SDXL 出来后提高了运行配置，最低需要 8GB 显存+32GB 运行内存，12GB 流畅运行，推荐 16GB 以上。 3. 安装准备：如果您的电脑能顺畅清晰地玩 3A 游戏，那么运行相关部署工具一般也没问题。 4. 预算和需求：根据您的需求和预算来选择合适的配置。例如，如果有做 AIGC 视频、建模渲染和炼丹（lora）的需求，可能需要更高的配置。 请注意，以上步骤仅为参考，实际部署过程可能会因具体情况而有所不同。
2025-03-26
ai大模型和工具组合使用技巧
以下是关于 AI 大模型和工具组合使用的技巧： 1. 在 Obsidian 中的使用： 简单方法：通过命令面板打开创建的页面（默认快捷键 Ctrl+P），在弹出的搜索框中输入插件名称（如 custom frames），选择 OpenKimi 并打开设置好的窗口。 进阶配置：包括笔记仓库嵌入大模型（Copilot）、笔记内容作为 RAG 嵌入大模型（Smart Conections）、笔记内使用大模型编写内容。 2. 利用大模型与工具的典型例子：如使用 Kimi Chat 查询问题时，它会在互联网上检索相关内容并总结分析给出结论，同时还有很多不同领域类型的工具为大模型在获取、处理、呈现信息上做补充。 3. Agentic Workflow 方面： Agent 通过自行规划任务执行的工作流路径，面向简单或线性流程的运行。 多 Agent 协作：吴恩达通过开源项目 ChatDev 举例，让大语言模型扮演不同角色相互协作开发应用或复杂程序。 AI Agent 基本框架：OpenAI 的研究主管 Lilian Weng 提出“Agent=LLM+规划+记忆+工具使用”的基础架构，其中大模型 LLM 扮演“大脑”，规划包括子目标分解、反思与改进。 4. 从提示词优化到底层能力提升： 任务拆解：将复杂任务的提示词拆解成若干步骤的智能体，每个智能体负责特定子任务。 工作流构建：组合多个提示词或 AI 工具搭建高频重复工作的工作流。 创作场景的灵活应用：在创作过程中使用简单提示词和连续追问调整大模型回答。 深度思考辅助：将大模型用于辅助深度思考，从居高临下的指挥变为伙伴式的协作和相互学习，关注利用大模型训练和增强认知能力。
2025-03-26
帮我列举2025年3月1日以来，国内外、闭源开源模型厂商的更新记录。
以下是 2025 年 3 月 1 日以来，国内外、闭源开源模型厂商的部分更新记录： 2025 年 3 月 20 日，OpenAI 推出了一套全新的音频模型，旨在通过 API 为开发者提供更智能、更可定制的语音代理支持，包括改进的语音转文本和文本转语音功能，为语音交互应用带来显著提升。 李开复公开表示 OpenAI 面临生存危机，商业模式不可持续。他强调中国的 DeepSeek 以极低成本提供接近的性能，开源模式将主导未来 AI 发展。他认为企业级 AI 应用将成为投资重点，资源限制反而促进了创新。李开复大胆预测，中国将出现三大 AI 玩家，竞争愈发激烈。 SuperCLUE 发布《中文大模型基准测评 2025 年 3 月报告》，指出 2022 2025 年经历多阶段发展，国内外模型差距缩小。测评显示 o3mini总分领先，国产模型表现亮眼，如 DeepSeekR1 等在部分能力上与国际领先模型相当，且小参数模型潜力大。性价比上，国产模型优势明显。DeepSeek 系列模型深度分析表明，其 R1 在多方面表现出色，蒸馏模型实用性高，不同第三方平台的联网搜索和稳定性有差异。 以上信息来源包括： 《》 《》 《》
2025-03-26
用扣子的时候怎么让大模型严格按照知识库内容进行输出
以下是关于让大模型严格按照知识库内容进行输出的相关信息： 扣子的知识库功能强大，可上传和存储知识内容，提供多种查找方法。在智能体中使用知识库，收集相关内容，当智能体回答用户时会先检索知识库，使回复更准确。 在“掘金 x 扣子 Hackathon 活动 深圳站”的总冠军工作流中，对于用户向小说人物角色的提问，通过一系列节点，包括开始节点接收问题、知识库节点检索、大模型节点生成答案等，本质上是一个根据用户 query 进行检索增强生成（RAG）的任务，每个工作流中都嵌入了知识库节点，维护了如小说合集等知识库。 大模型节点是调用大语言模型，使用变量和提示词生成回复。按需选择基础版或专业版模型，基础版支持扣子预设的一批模型资源，专业版除默认添加的豆包模型外，还支持按需接入火山引擎方舟平台的模型资源。模型选择右下角生成多样性可从多个维度调整不同模型在生成内容时的随机性，有精确模式、平衡模式和创意模式等预置模式。输入方面，开启智能体对话历史后，上下文信息将自动携带进入大模型，参数名可随意设置但建议有规律，变量值可引用前面链接过的节点的输出或进行输入。
2025-03-26
我是一个没有技术背景且对AI感兴趣的互联网产品经理，目标是希望理解AI的实现原理并且能够跟开发算法工程师沟通交流，请给我举出AI模型或者机器学习的分类吧。
以下是 AI 模型和机器学习的分类： 1. AI（人工智能）：是一个广泛的概念，旨在使计算机系统能够模拟人类智能。 2. 机器学习：是人工智能的一个子领域，让计算机通过数据学习来提高性能。包括以下几种类型： 监督学习：使用有标签的训练数据，算法学习输入和输出之间的映射关系，包括分类和回归任务。 无监督学习：学习的数据没有标签，算法自主发现规律，经典任务如聚类。 强化学习：从反馈中学习，以最大化奖励或最小化损失，类似训练小狗。 3. 深度学习：是机器学习的一个子领域，模拟人脑创建人工神经网络处理数据，包含多个处理层，在图像识别、语音识别和自然语言处理等任务中表现出色。 4. 大语言模型：是深度学习在自然语言处理领域的应用，目标是理解和生成人类语言，如 ChatGPT、文心一言等。同时具有生成式 AI 的特点，能够生成文本、图像、音频和视频等内容。 2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它基于自注意力机制处理序列数据，不依赖循环神经网络或卷积神经网络。生成式 AI 生成的内容称为 AIGC。
2025-03-26