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

当前所有大模型的能力排行

Answer

目前大模型的能力排行情况较为复杂，以下为您提供部分相关信息：

  • 8 月正式上线的国内大模型包括北京的百度（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.baichuan-ai.com/ ，上海的商汤（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://intern-ai.org.cn 。在聊天状态下，能生成 Markdown 格式的有智谱清言、商量 Sensechat、MiniMax ；目前不能进行自然语言交流的有昇思、书生；受限制使用的有 MiniMax 。特色功能方面，昇思能生图，MiniMax 能语音合成。阿里通义千问、360 智脑、讯飞星火等不在首批获批名单中，广东地区获批公司分别为华为、腾讯，科大讯飞系其他地区获批产品。
  • 2023 年度中文大模型基准测评报告显示，在语言与知识的测评中，GPT-4 Turbo 依然领先，是唯一超过 90 分的大模型。国内大模型也表现相对较好，有 14 个模型的得分高于 GPT3.5，有 9 个模型的得分高于 Gemini-Pro。其中 OPPO 的 AndesGPT、阿里云的通义千问 2.0、月之暗面的 Moonshot 分列国内 1-3 位，较为接近 GPT4。在开源模型中，零一万物的 Yi-34B-Chat、阿里云的 Qwen-72B-Chat、百川智能的 Baichuan2-13B-Chat 取得了不错的成绩，均超过了 50 分，分列国内模型的 1-3 名。总体来看，在中文语言与知识能力上，国内大模型已基本追赶上国外头部大模型。
  • 关于大模型的评测榜单还有：
    • Open LLM Leaderboard：地址https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard ，由 HuggingFace 组织，目前已评估了较多主流的开源 LLM 模型，评估主要包括 AI2 Reasoning Challenge,HellaSwag,MMLU,TruthfulQA 四个数据集上的表现，主要以英文为主。
    • chinese-llm-benchmark：地址https://github.com/jeinlee1991/chinese-llm-benchmark ，覆盖百度文心一言、chatgpt、阿里通义千问、讯飞星火、belle/chatglm6b 等开源大模型，多维度能力评测，不仅提供能力评分排行榜，也提供所有模型的原始输出结果。
    • Safety-Prompts：地址https://github.com/thu-coai/Safety-Prompts ，由清华大学提出，是一个关于 LLM 安全评测 benchmark，包括安全评测平台等，用于评测和提升大模型的安全性，囊括了多种典型的安全场景和指令攻击的 prompt。
Content generated by AI large model, please carefully verify (powered by aily)

References

8月正式上线的国内大模型

5⃣️五家北京企业机构：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.baichuan-ai.com/3⃣️三家上海企业机构：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://intern-ai.org.cn今天这8个大模型，在聊天状态下——能生成Markdown格式的：智谱清言、商量Sensechat、MiniMax目前不能进行自然语言交流的：昇思（可以对文本进行是否由AI生成的检测，类似论文查重，准确度不错）、书生受限制使用：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）特色功能：昇思——生图，MiniMax——语音合成阿里通义千问、360智脑、讯飞星火等均不在首批获批名单中，广东省2家和其他省市1家也将陆续开放据悉，广东地区获批公司分别为华为、腾讯，科大讯飞系其他地区获批产品

2023年度中文大模型基准测评报告.pdf

1.语言与知识2.专业与技能3.工具使用4.传统安全SuperCLUE基准-语言与知识测评表现测评分析语言与知识，考察模型的能力包括：1.生成与创作；2.语言理解与抽取；3.上下文对话；4.角色扮演；5.知识与百科。在语言与知识的测评中，GPT-4 Turbo依然领先，是唯一超过90分的大模型。国内大模型也表现相对较好，有14个模型的得分高于GPT3.5，有9个模型的得分高于Gemini-Pro。其中OPPO的AndesGPT、阿里云的通义千问2.0、月之暗面的Moonsho t分列国内1-3位，较为接近GPT4。在开源模型中，零一万物的Yi-34B-Chat、阿里云的Qwen-72B-Chat、百川智能的Baichuan2-13B-Chat取得了不错的成绩，均超过了50分，分列国内模型的1-3名。总体来看，在中文语言与知识能力上，国内大模型已基本追赶上国外头部大模型，在未来也最可能成为率先形成超越的维度之一。语言与知识-示例（语言理解）

LLM开源中文大语言模型及数据集集合

Open LLM Leaderboard：地址：[https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)简介：由HuggingFace组织的一个LLM评测榜单，目前已评估了较多主流的开源LLM模型。评估主要包括AI2 Reasoning Challenge,HellaSwag,MMLU,TruthfulQA四个数据集上的表现，主要以英文为主。chinese-llm-benchmark：地址：[https://github.com/jeinlee1991/chinese-llm-benchmark](https://github.com/jeinlee1991/chinese-llm-benchmark)简介：中文大模型能力评测榜单：覆盖百度文心一言、chatgpt、阿里通义千问、讯飞星火、belle/chatglm6b等开源大模型，多维度能力评测。不仅提供能力评分排行榜，也提供所有模型的原始输出结果！Safety-Prompts：地址：[https://github.com/thu-coai/Safety-Prompts](https://github.com/thu-coai/Safety-Prompts)简介：由清华大学提出的一个关于LLM安全评测benchmark，包括安全评测平台等，用于评测和提升大模型的安全性，囊括了多种典型的安全场景和指令攻击的prompt。

Others are asking
大语言模型能力排行榜
以下是一些大语言模型能力排行榜的相关信息： Open LLM Leaderboard： 地址： 简介：由HuggingFace组织的一个LLM评测榜单，目前已评估了较多主流的开源LLM模型。评估主要包括AI2 Reasoning Challenge、HellaSwag、MMLU、TruthfulQA四个数据集上的表现，主要以英文为主。 chinesellmbenchmark： 地址： 简介：中文大模型能力评测榜单，覆盖百度文心一言、chatgpt、阿里通义千问、讯飞星火、belle/chatglm6b等开源大模型，多维度能力评测。不仅提供能力评分排行榜，也提供所有模型的原始输出结果。 聊天机器人竞技场：由伯克利的一个团队管理，根据ELO评级对不同的语言模型进行排名，计算ELO的方式与国际象棋中的计算方式非常相似。 智源评测：豆包模型在其中表现出色，荣获大语言模型第一，视觉理解第二、文生图第二、文生视频第二，在匿名投票竞技场中排名第二，仅次于OpenAI。 地址：
2025-03-31
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
文生图模型打分的排行榜
以下是文生图模型的打分排行榜（从高到低）： 文生图模型： Imagen 3：真实感满分，指令遵从强。 Recraft：真实感强，风格泛化很好，指令遵从较好（会受风格影响）。 Midjourney：风格化强，艺术感在线，但会失真，指令遵从较差。 快手可图：影视场景能用，风格化较差。 Flux.1.1：真实感强，需要搭配 Lora 使用。 文生图大模型 V2.1L（美感版）：影视感强，但会有点油腻，细节不够，容易糊脸。 Luma：影视感强，但风格单一，糊。 美图奇想 5.0：AI 油腻感重。 腾讯混元：AI 油腻感重，影视感弱，空间结构不准。 SD 3.5 Large：崩。 文生视频模型： 海螺：语意遵循不错，模型解析有待提高，自带电影滤镜，但有些用力过猛，得益于海量的影视数据。 可灵 1.5：颜色失真，缺少质感，偏科严重，物理规律和提示词遵循较强。 智谱：语意遵循，质感较差，画质一言难尽。 mochi：动态丰富，想象力丰富，美学质感较好。 pd 2.0 pro：PPT 效果，训练数据较少，但是联想启发性很好。 runway：空间感强，语意遵循较差，流体效果一绝。 Seaweed 2.0 pro：质感略弱于可灵 1.5，整体感觉师出同门。 sora：运镜丰富，物理逻辑混乱。 Pixverse v3：动态稳，丝滑，整体美学强于可灵 1.5。 luma 1.6：语意遵循差，提示词随便，动起来算我输。
2025-03-07
AI编程大模型排行榜
以下是一些关于 AI 编程大模型的相关信息： 1. ShowMeAI 周刊 No.13 中提到的相关内容： Learn About：继 NotebookLM 之后又一个 AI Native 产品，谷歌真正的 AI Native Education 尝试。 ima.copilot V.S. 秘塔 V.S. 天工：国区 Perplexity 青出于蓝而胜于蓝，秘塔一骑绝尘。 Markdown：技术圈（最）常用的文本编辑语言，一种「四通八达」的中转格式，并附上好用的转换工具。 把 17 岁高中生涂津豪的 Thinking Claude 提示词，设置在 Cursor 里。 两篇优秀的 AI 编程教程：跟着资深工程师&全栈开发者，挖掘 LLM 编程能力的极限。 恭喜阶跃星辰！step2 在 LiveBench 榜单杀进前 5，斩获国产大模型第 1 名，并顺带聊聊榜单和测评的「内幕」。 举个栗子：当把大模型「开源」用「做饭吃饭」来解释，一起都豁然开朗起来，甚至还玩起了谐音梗。 很有共鸣：为什么大部分人用不起来 AI？可能还没体验到效率飞升的 Aha Moment。 集体讨论：大家都是怎么快速处理长视频、长音频、长文本材料的？都有哪些工作流和工具的配合应用？ 2. Trae：字节开发的一款和 AI 深度集成的 AI 编程工具，可让用户限时免费无限量使用地球上最强大的编程大模型 Claude Sonnet，全自动化进行 AI 编程。包含完整的 IDE 功能，如代码编写、项目管理、插件管理、源代码管理等，提供智能问答、实时代码建议、代码片段生成、从 0 到 1 开发项目。 3. 8 月正式上线的国内大模型： 北京的五家企业机构：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/ 。 上海的三家企业机构：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 。 能生成 Markdown 格式的：智谱清言、商量 Sensechat、MiniMax 。 目前不能进行自然语言交流的：昇思（可以对文本进行是否由 AI 生成的检测，类似论文查重，准确度不错）、书生 。 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） 。 特色功能：昇思——生图，MiniMax——语音合成 。 阿里通义千问、360 智脑、讯飞星火等均不在首批获批名单中。广东地区获批公司分别为华为、腾讯，科大讯飞系其他地区获批产品。
2025-02-24
2024 AI工具排行榜
以下是 2024 年部分 AI 工具的相关信息： 开发者工具： 23 年 12 月至 24 年 3 月的访问量排行榜中，非大厂的 Top1 公司是 Langchain，其 3 月 PV 为 356 万，单 PV 价值为 56.18 美元。 赛道方面，天花板潜力 TAM 为 120 亿美元，总体趋势平稳增长，月平均增速为 82 万 PV/月，原生产品占比高。 竞争方面，Top1 占 19%，Top3 占 54%，马太效应弱，网络效应强，大厂已入局，技术门槛中。 教育工具： 23 年 12 月至 24 年 3 月的访问量排行榜中，非大厂的 Top1 公司是 Quizlet，其 3 月 PV 为 1.3 亿。 赛道方面，天花板潜力 TAM 约为 30 亿，总体趋势快速增长，月平均增速为 1793 万 PV/月，原生产品占比低。 竞争方面，Top1 占 45%，Top3 占 76%，马太效应弱，网络效应弱，大厂未入局，技术门槛中。 此外，在展望 2025 时，AI 行业的创新机会方面，2024 年 9 月 OpenAI 发布了新一代语言模型 o1，业界推测其采用了全新的训练与推理方案，结合强化学习技术，显著增强了推理能力，可能借鉴了下围棋的 AlphaGo Zero 的技术思路。
2025-01-26
文生图模型打分的排行榜
以下是关于文生图模型打分的排行榜相关信息： SuperCLUEImage 测评基准首次公布，DALLE 3 以 76.94 分高居榜首，显示其在图像生成质量、多样性和文本一致性方面的卓越表现。百度文心一格和 vivo 的 BlueLMArt 位列国内前列，但与国际领先模型仍有差距。 在包含人工评估、机器评估的全面评测中，Kolors 具有非常有竞争力的表现，达到业界领先水平。构建了包含 14 种垂类、12 个挑战项、总数量为一千多个 prompt 的文生图评估集 KolorsPrompts。 人工评测方面，邀请了 50 个具有图像领域知识的专业评估人员对不同模型的生成结果进行对比评估，衡量维度为画面质量、图文相关性、整体满意度三个方面。Kolors 在整体满意度方面处于最优水平，其中画面质量显著领先其他模型。具体平均分如下： AdobeFirefly：整体满意度平均分 3.03，画面质量平均分 3.46，图文相关性平均分 3.84。 Stable Diffusion 3：整体满意度平均分 3.26，画面质量平均分 3.5，图文相关性平均分 4.2。 DALLE 3：整体满意度平均分 3.32，画面质量平均分 3.54，图文相关性平均分 4.22。 Midjourneyv5：整体满意度平均分 3.32，画面质量平均分 3.68，图文相关性平均分 4.02。 Playgroundv2.5：整体满意度平均分 3.37，画面质量平均分 3.73，图文相关性平均分 4.04。 Midjourneyv6：整体满意度平均分 3.58，画面质量平均分 3.92，图文相关性平均分 4.18。 Kolors：整体满意度平均分 3.59，画面质量平均分 3.99，图文相关性平均分 4.17。所有模型结果取自 2024.04 的产品版本。
2025-01-07
AI模型可以分为什么类型
AI 模型主要可以分为以下类型： 1. 基础模型（Foundation model）：在大量数据上训练，能适应多种任务，可作为构建更特定 AI 模型的基础。 2. 大语言模型（LLM）：例如谷歌的 BERT 模型，可用于语义理解等任务，生成只是其处理任务之一。 3. 生成式 AI 模型：能够生成文本、图片、音频、视频等内容形式。 4. 按照学习方式分类： 监督学习模型：使用有标签的训练数据，学习输入和输出之间的映射关系，包括分类和回归任务。 无监督学习模型：处理无标签数据，自主发现规律，经典任务如聚类。 强化学习模型：从反馈中学习，以最大化奖励或最小化损失。 5. 深度学习模型：参照人脑神经网络和神经元，由于有很多层而被称为深度，神经网络可用于监督学习、无监督学习、强化学习。
2025-04-01
你好，你是什么大模型
大模型通俗来讲，是输入大量语料，让计算机获得类似人类的“思考”能力，从而能够理解自然语言，并进行文本生成、推理问答、对话、文档摘要等工作。 大模型的训练和使用过程可以用“上学参加工作”来类比： 1. 找学校：训练大模型需要大量计算，GPU 更合适，只有购买得起大量 GPU 的才有资本训练自己的大模型。 2. 确定教材：大模型需要的数据量特别多，几千亿序列（Token）的输入基本是标配。 3. 找老师：即用合适的算法讲述“书本”中的内容，让大模型更好理解 Token 之间的关系。 4. 就业指导：为了让大模型更好胜任某一行业，需要进行微调（fine tuning）指导。 5. 搬砖：就业指导完成后，正式干活，比如进行翻译、问答等，在大模型里称之为推导（infer）。 在 LLM 中，Token 被视为模型处理和生成的文本单位，可以代表单个字符、单词、子单词，甚至更大的语言单位，具体取决于所使用的分词方法（Tokenization）。Token 是原始文本数据与 LLM 可以使用的数字表示之间的桥梁。在将输入进行分词时，会对其进行数字化，形成一个词汇表。 生成式 AI 生成的内容叫做 AIGC。相关技术名词包括： 1. AI 即人工智能。 2. 机器学习是电脑找规律学习，包括监督学习、无监督学习、强化学习。 监督学习是有标签的训练数据，算法目标是学习输入和输出之间的映射关系，包括分类和回归。 无监督学习是学习的数据没有标签，算法自主发现规律，经典任务包括聚类。 强化学习是从反馈里学习，最大化奖励或最小化损失，类似训小狗。 3. 深度学习是一种参照人脑有神经网络和神经元的方法（因有很多层所以叫深度），神经网络可用于监督学习、无监督学习、强化学习。 4. 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 5. LLM 是大语言模型，对于生成式 AI，生成图像的扩散模型不是大语言模型；对于大语言模型，生成只是其中一个处理任务，比如谷歌的 BERT 模型，可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。 技术里程碑：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，它完全基于自注意力机制（SelfAttention）来处理序列数据，而不需要依赖于循环神经网络（RNN）或卷积神经网络（CNN）。
2025-04-01
罗列具体的AI模型产品和具体的AI技术创新点，并总结AI技术的发展趋势，并说明这些发展趋势为用户的交互体验带来了什么样的改变？按照时间线将以上内容梳理出来
以下是按照您的需求梳理的内容： 时间线 早期： 从图灵测试、早期的图灵机器人和 ELISA 开始，到 IBM 的语音控制打印机、完全由人工智能创作的小说、微软的同声传译系统。 近年来： OpenAI 发布 ChatGPT 模型，引发用户习惯从简单触控操作转向更复杂的长文本输入，未来可能延伸至长语音交互。 大模型创新方面，架构优化加速涌现，融合迭代成为趋势。Scaling Law 泛化，推理能力成为关键，倒逼计算和数据变革。AGI 探索中，视频生成点燃世界模型，空间智能统一虚拟和现实。 在应用方面，AI 在文科白领的个人助理、呼叫中心、文本处理和教育等领域表现出色，能完成 80%到 90%的工作；对于工科白领，特别是程序员，能简化代码检索和调整；在蓝领领域，自动驾驶取得显著进展。但在复杂任务方面仍有改进空间。 第一轮洗牌结束，聚焦 20 赛道 5 大场景，多领域竞速中运营大于技术，AI 助手成为竞争重点。AI+X 赋能类产品发展迅速，原生 AI 爆款难求。多模态上马，Agent 席卷一切，高度个性化呼之欲出。 人工智能发展经历了萌芽、积累沉淀到如今大模型和多模态模型百花齐放的阶段。大模型由数据、算法、算力构成，算法有技术架构的迭代，如英伟达的显卡辅助模型训练，数据质量对生成理想的大模型至关重要。 未来： 李沐预测技术发展可能催生出革命性的应用形态，但 AI 离真正变革世界还有一段距离。 预计 AI 在蓝领工作的初步应用至少需要 5 年时间。 AI 技术创新点： 大模型创新：架构优化加速涌现，融合迭代大势所趋。 Scaling Law 泛化：推理能力成皇冠明珠，倒逼计算和数据变革。 AGI 探索：视频生成点燃世界模型，空间智能统⼀虚拟和现实。 AI 技术的发展趋势： 模型架构不断优化和融合。 更加注重推理能力的提升。 探索 AGI 领域，实现虚拟和现实的统一。 应用格局不断洗牌，聚焦特定赛道和场景。 多模态和 Agent 技术的广泛应用。 对用户交互体验的改变： 用户习惯从简单触控操作转向更复杂的长文本输入，未来可能延伸至长语音交互。 AI 应用为用户提供辅助，在多个领域帮助完成任务。
2025-03-31
AI技术发展时间线，罗列具体的AI模型产品和具体的AI技术创新点，并总结AI技术的发展趋势，并说明这些发展趋势为用户的交互体验带来了什么样的改变？
以下是关于 AI 技术发展的相关内容： AI 技术发展时间线： 从图灵测试、早期的图灵机器人和 ELISA，到 IBM 的语音控制打印机、完全由人工智能创作的小说、微软的同声传译系统，再到 OpenAI 发布 ChatGPT 模型，经历了萌芽、积累沉淀到如今大模型和多模态模型百花齐放的阶段。 具体的 AI 模型产品： ChatGPT 改变了用户习惯，从简单触控操作转向更复杂的长文本输入，未来可能延伸至长语音交互。 具体的 AI 技术创新点： 大模型创新方面，架构优化加速涌现，融合迭代成为趋势。 Scaling Law 泛化，推理能力成为皇冠明珠，倒逼计算和数据变革。 AGI 探索中，视频生成点燃世界模型，空间智能统一虚拟和现实。 AI 技术的发展趋势： 大模型创新：架构优化加速涌现，融合迭代大势所趋。 应用格局：第一轮洗牌结束，聚焦 20 赛道 5 大场景。 应用竞争：多领域竞速运营大于技术，AI 助手兵家必争。 应用增长：AI+X 赋能类产品大干快上，原生 AI 爆款难求。 产品趋势：多模态上马，Agent 席卷一切，高度个性化呼之欲出。 智变千行百业：左手变革生产力，右手重塑行业生态。 行业渗透率：数据基础决定初速度，用户需求成为加速度。 创投：投融资马太效应明显，国家队出手频率提升。 对用户交互体验的改变： ChatGPT 使用户从简单触控操作转向更复杂的长文本输入，未来可能延伸至长语音交互。 在文科白领方面，AI 能完成 80%到 90%的工作，如个人助理、呼叫中心、文本处理和教育等领域。 对于工科白领，特别是程序员，AI 能简化代码检索和调整。 在蓝领领域，AI 在自动驾驶方面取得显著进展。
2025-03-31
3d模型
以下是关于 3D 模型生成的相关信息： 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。 填写好提示词后，点击右侧的「Create」生成 3D 模型，每次会生成 4 个基础模型，不满意可点击最下方白色的「Retry」按钮重新生成。 若有满意模型，点击单个模型下方黄色的「Refine」精修，在「My Models」中可查看精修进度，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。 Rodin Gen 1： 输入文本后文生图，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，可先选择产出的面数（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。 工具汇总： 从文本生成 3D： MakeACharacter：一键生成 3D 数字人，可自定义面部特征，生成逼真 3D 角色，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。链接：https://x.com/xiaohuggg/status/1743986486780076279?s=20 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，类似于 Stable Diffusion。链接：https://x.com/xiaohuggg/status/1743638052097184102?s=20 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。链接：https://x.com/xiaohuggg/status/1739926702158225859?s=20 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。链接：https://x.com/xiaohuggg/status/1739259052448944139?s=20
2025-03-31
本地部署大模型硬件配置
本地部署大模型的硬件配置如下： 生成文字大模型： 最低配置：8G RAM + 4G VRAM 建议配置：16G RAM + 8G VRAM 理想配置：32G RAM + 24G VRAM（如果要跑 GPT3.5 差不多性能的大模型） 生成图片大模型（比如跑 SD）： 最低配置：16G RAM + 4G VRAM 建议配置：32G RAM + 12G VRAM 生成音频大模型： 最低配置：8G VRAM 建议配置：24G VRAM 需要注意的是，最低配置可能运行速度非常慢。对于 SDXL 大模型的本地部署，其分为两个部分，base + refiner 是必须下载的，还有一个配套的 VAE 模型用于调节图片效果和色彩。要在 webUI 中使用 SDXL 的大模型，需在秋叶启动器中将 webUI 的版本升级到 1.5 以上，然后将模型放入对应的文件夹中。对于通义千问的 Qwen2.5 1M 模型的本地部署，使用以下命令启动服务时要根据硬件配置进行设置，如设置 GPU 数量、最大输入序列长度、Chunked Prefill 的块大小、限制并发处理的序列数量等。如果遇到问题，可参考相关的 Troubleshooting 内容。与模型交互可以使用 Curl 或 Python 等方法，对于更高级的使用方式，可以探索如 Qwen Agent 之类的框架。
2025-03-31
当前效果比较好的对口型，换脸，配音AI应用
以下是一些效果较好的对口型、换脸、配音的 AI 应用： Runway：网址为 https://runwayml.com ，有网页和 app 方便使用。工具教程： 即梦：网址为 https://dreamina.jianying.com/ ，是剪映旗下产品，生成 3 秒，动作幅度有很大升级，有最新 S 模型和 P 模型。工具教程： Minimax 海螺 AI：网址为 https://hailuoai.video/ ，非常听话，语义理解能力非常强。视频模型： Kling：网址为 kling.kuaishou.com ，支持运动笔刷，1.5 模型可以直出 1080P30 帧视频。视频模型： Vidu：网址为 https://www.vidu.studio/ haiper：网址为 https://app.haiper.ai/ Pika：网址为 https://pika.art/ ，可控性强，可以对嘴型，可配音。工具教程： 智谱清影：网址为 https://chatglm.cn/video ，开源了，可以自己部署 cogvideo。工具教程： PixVerse：网址为 https://pixverse.ai/ ，人少不怎么排队，还有换脸功能。工具教程： 通义万相：网址为 https://tongyi.aliyun.com/wanxiang/ ，大幅度运动很强。 luma：网址为 https://lumalabs.ai/ 即梦 AI 对口型的相关教程： 功能介绍：「对口型」是即梦 AI「视频生成」中的二次编辑功能，现支持中文、英文配音。目前主要针对写实/偏真实风格化人物的口型及配音生成，为用户的创作提供更多视听信息传达的能力。可上传包含完整人物面容的图片，进行视频生成，待视频生成完成后，点击预览视频下的「对口型」按钮，输入台词并选择音色，或上传配音文件进行对口型效果生成。目前支持语言：中文（全部音色），英文（推荐「超拟真」内的音色） 技巧：上传写实/近写实的人物单人图片，目前不支持多人物图片对口型；输入 prompt，选择参数，点击生成视频，尽量确保人物无形变等扭曲效果；确保人物生成的情绪与希望匹配的口型内容匹配；在生成的视频下方，点击【对口型】；输入或上传需要配音的内容，注意视频生成时长和配音试听时长尽量对齐，点击生成。先对口型，再超分补帧 关于 AI 短片的相关信息： AI 图片与视频生成的新能力与应用： 图片编辑功能：Midjourney 新增本地图片上传编辑入口，可进行局部重绘、扩图和风格转换等操作。 视频生成模型：解梦新出 p 模型和 s 模型，p 模型支持人物多动作和变焦，易改变画风；s 模型生成速度快、积分消耗少，能保持原始画风但语义理解有限。 特效玩法：皮卡和 Pixforce 有特效玩法，如人物爆炸、漂浮等，可用于优化视频效果。 视频转会：Runway 的 GN3 模型支持上传视频并转换风格，可用于实现多元宇宙等风格穿梭的片子，也能将简单场景转换为难以拍摄的场景。 视频生成中的角色生视频技术： 角色生视频突破关键帧限制：当前视频生成多依赖关键帧，而角色生视频不再是关键帧输入，而是直接传入角色本身，可更灵活生成视频，如让小男孩从左跑到右。 多角色参考生成创意视频：支持上传多张图，最多三张，可将人物、衣服、背景等元素融合生成视频，如小男孩穿裙子在宇宙飞。 角色对口型技术：如吉梦的对口型技术，支持文本朗诵和本地配音，能根据输入生成人物开口讲话的视频，但有上传人物长相等限制。 不同工具的角色生视频效果：对比了吉梦、Runway 等工具的角色生视频效果，如 Runway 的 x one 在身体、头部、眼神动态上表现更好。 角色生视频的应用场景：可用于规避机器人念台词的尴尬瞬间，让机器人有更丰富的表情和神态。 角色生视频的未来发展：未来视频生成将摆脱纯关键帧方式，采用多模态信息输入，如定义角色和场景的三视图等。
2025-03-25
transformer是通往AGI的必经之路吗？什么是世界模型，当前有哪些进展
Transformer 并非通往 AGI 的必经之路。在已知的 token space 中，Transformer 符合一些条件，但在更通用的场景中不太符合。AI 本质包含一堆 scaling law，一个值得被 scale up 的架构是基础，且架构要支持不断加入更多数据。当前在数据方面，如限定问题的数据生成有进展，但通用问题还没有完全的解法。 世界模型方面，目前的研究正在以指数级别的速度增长。对于语言这种有结构、有规则的指令系统，其逻辑受指向描述变化，如早期语言模型建模中用到的 RNN、LSTM 及当前 LLM 的 Transformer 模型结构，都是对语言序列性所体现逻辑结构的适配。同时也在思考是否存在其他形式的符号化表征及相应的建模结构，以及对于非碳基生物语言的使用情况等。未来通往 AGI 的道路并非简单，需要探寻 RL 与 LLM 的本质普遍性。
2025-03-16
AI应用赛道中top应用介绍，实现的功能和应用场景，产品Launch时间：AIGC功能 Launch时间、当前月活用户数、营收利润、一年成本投入、市场占有率、目前融资金额及估值、创始团队介绍、公司员工规模、所属国家、用户来源、用户来自于哪些国家、用户profile、转化率、ROI等等, 盈利模式，优劣势与未来发展趋势。
以下是关于 AI 应用赛道的相关介绍： 应用场景：涵盖医疗、制造业、金融风控、消费端个性化服务、办公、农业、能源优化、娱乐等领域。 关键技术： 1. 包括大语言模型作为中枢神经系统，记忆模块实现长期和短期记忆，以及规划能力中的目标设定、任务拆解、生成策略、执行与反馈、资源管理和多智能体协同。 2. 强化学习用于环境感知和决策调整，多模态融合涉及多种数据类型，低成本训练是考虑成本的重要因素。 智能体特征：包括自主性、交互性和适应性，如通过自我对弈和博弈不断进化，在金融风控领域利用大量数据提升准确率。 AI 技术路线：从有语言能力的 AI 到有推理能力，再到能使用工具、发明创新以及形成组织，共五级。 智能体框架类型：分为任务驱动型、多智能体协作、强化学习型、具身智能体、应用型智能体，每种类型都有代表性框架。 智能体与大模型的关系：大模型是中枢和基石，智能体是行动引擎，两者协同演进，智能体产生的数据可反哺大模型。 未来趋势：智能体可能在中小企业中更具效益，人机协作中人类成为监督角色，但存在算力成本、伦理风险、技术瓶颈等挑战。 B 端变现与创业方向： 1. B 端变现细分包括高频率和大规模的内容生产细分，如文字、视频、3D 模型、AI 智能体等，底层是需求和数据收集及训练模型，算力和能源是关键。 2. 自媒体创业：视频号等平台尚有蓝海空间，需具备内容创新和差异化，内容成本低且更新迭代快。 3. 游戏创业：个人或团队可做轻量化游戏，结合 AI 技术，满足放松和社交需求，专注垂类赛道，避免与大厂竞争。 4. 影视创业：25 年将是拐点，更多内容会采用 AI 技术，如哪吒 2 因前期规划未用 AI 技术。 5. 广告营销创业：重点是 AI 虚拟人，数字插画可走治愈类型，要明确平台用户画像和产品定位，做好次留存和引入私域。 AI 虚拟人的发展与创业机遇： 1. 创业难点：创业对创业者综合能力要求极高，找到志同道合且能力互补的战友是创业前期最难的事。 2. AI 虚拟人发展：从早期以首位为核心的宅文化虚拟偶像，到以 CG 技术和动捕语音合成技术为核心的角色，再到如今以动捕和人工智能技术为核心的服务型虚拟人，其发展历程不断演进。 3. 虚拟人产业链：包括基础层的硬件和软件研发，平台层如商汤、百度等提供工具和系统，应用层涉及影视、传媒、游戏、金融、文旅等内容变现。 4. 未来创业机遇：AI 虚拟人是未来 310 年 Web 3.0 的风口，提前布局未来有潜力的赛道，准备好迎接机遇。 相关案例和产品信息： 1. 10 月 26 日，AI 翻译和口型匹配技术在视频制作中的应用逐渐流行，公司如 Captions、HeyGen 和 Verbalate 通过 AI 生成字幕、配音和口型匹配等功能，帮助用户轻松实现视频翻译本地化。 2. 10 月 25 日，Perplexity 最新估值约为 5 亿美元，较 3 月宣布的 1.5 亿美元估值上涨 300%以上，当前的付费用户数量达到了 1.5 万人，截止本月，Perplexity 的 ARR 达到 300 万美元，最新估值约为 ARR 的 150 倍。 3. 《100 个有意思的 AI 应用》由国盛证券出品，分为基于 LLM 自然语言能力的对话、写作、阅读、分析等应用；多模态技术持续发展，图像、视频、音频、3D 等 AIGC 应用；企业级应用等。
2025-03-14
快速帮我补充下大模型的发展时间线和关键节点，以及当前最前沿的新闻
大模型的发展时间线和关键节点如下： 2017 年：发布《Attention Is All You Need》论文。 2018 年： Google 提出 BERT，创新性地采用双向预训练并行获取上下文语义信息及掩码语言建模。 OpenAI 提出 GPT，开创仅使用自回归语言建模作为预训练目标的方式。 2021 年：Meta 提出 Large LAnguage Model Approach（LLAMA），成为首个开源模型。 2022 年 11 月 30 日：ChatGPT 发布，在全球范围内掀起人工智能浪潮。 2022 年 12 月：字节云雀大模型等出现。 2023 年： 国内大模型发展大致分为准备期（国内产学研迅速形成大模型共识）、成长期（数量和质量逐渐增长）、爆发期（开源闭源大模型层出不穷，形成百模大战态势）。 关键进展包括：Meta 开源 Llama2、OpenAI 发布多模态 GPT4V 及 GPT4 Turbo、百川智能开源 Baichuan7B 及 Baichuan2、百度升级文心一言 4.0、清华&智谱 AI 开源 ChatGLM2 及清华开源 ChatGLM3、腾讯发布混元助手等。 当前最前沿的新闻包括：过去半年，国内领军大模型企业实现了大模型代际追赶的奇迹，从 7 月份与 GPT3.5 的 20 分差距，到 11 月份测评时已在总分上超越 GPT3.5。
2025-03-14
当前AI应用的内外部环境及趋势
当前 AI 应用的内外部环境及趋势如下： 技术创新方面：大模型创新架构优化加速涌现，融合迭代成为趋势；Scaling Law 泛化，推理能力成为关键，推动计算和数据变革；视频生成在 AGI 探索中表现突出，空间智能统一虚拟和现实。 应用格局方面：第一轮洗牌结束，聚焦 20 赛道 5 大场景；多领域竞速中运营大于技术，AI 助手竞争激烈；AI+X 赋能类产品发展迅速，原生 AI 爆款难求。 产品趋势方面：多模态上马，Agent 席卷一切，高度个性化需求凸显。 行业渗透方面：数据基础决定初速度，用户需求成为加速度。 创投方面：投融资马太效应明显，国家队出手频率提升。 在具体的行业动态中： AI 音频领域：效果和延迟问题取得突破，难以分辨语音是否由 AI 生成，语音生成延迟降低。 3D 世界生成领域：目前处于初级阶段，新产品未向大众开放，预计明年会有巨大进步。 应用领域：更新主要集中在 AI 搜索、AI 知识库、AI 编程，传统软件增加 AI 功能，未来可能不再有“AI 应用”的单独分类。 融资方面：能拿到钱的不再局限于模型公司，越来越多应用公司受资本青睐。 红杉资本观点认为： 人工智能在客户支持、法律服务和软件工程等行业展示了产品与市场的契合度。 生成式人工智能经历快速增长，但 AI 投资转化为可观回报存在问题。 2024 年将是真正的 AI 应用从“副驾驶”转变为“代理”的一年，未来将更有能力完成更高层次认知任务，计算平衡从预训练转向推理。 目前人工智能公司融资环境不均衡，关键挑战在于提高用户保留率和缩小期望与现实差距，产品与市场的契合度有待进一步提升。
2025-03-13
当前国内有哪些AIGC应用
当前国内的 AIGC 应用主要有以下一些： 语言文本生成类： “悟道・天鹰”（北京智源人工智能研究院）：首个具备中英文双语知识、支持商用许可协议、国内数据合规需求的开源语言大模型。 文心一言（百度）：大语言模型，可用以文学创作、商业文案创作、数理逻辑推算、中文理解、多模态生成。
2025-03-12
那三款AI写作能力最强
以下为目前写作能力较强的三款 AI 工具： 1. Muse：专门为小说创作训练的 AI 模型工具，可实现在线的小说续写修改、创意头脑风暴以及基于画布形式的故事创作，可免费试用。 2. GPT4：目前功能最强的人工智能写作工具，可以在 Bing（选择“创新模式”）上免费访问，或者通过购买 ChatGPT 的$20/月订阅来访问。 3. Claude 2：写作能力紧随 GPT4 之后，也提供了有限的免费选项。 此外，在广告文案写作方面，以下是排名靠前的几款工具： 1. Simplified：4 月访问量 483 万，相对 3 月变化 0.09。 2. klaviyo SMS Assistant：4 月访问量 471 万，相对 3 月变化 0.045。 3. KoalaWriter：4 月访问量 373 万，相对 3 月变化 6.919。
2025-03-28
短视频文案创作哪个AI能力最强
在短视频文案创作方面，以下几种 AI 能力表现较为突出： Kimi：作为国产大模型，在对中文的理解和写作能力上有一定优势。例如在修改文案使其更押韵方面能有不错的表现。 ChatGPT：能根据具体需求进行写作，作品有其特点。 美趣 AI：具有图片生成和写作生成的功能。 说得相机提词器：是一款写作软件。 AI 智能写作：原生的写作软件。 创客贴 AI：具备平面设计和文案生成的能力。 图趣 AI：原生的图片生成工具。 Molica AI：原生的图片生成工具。 文案宝：原生的个人助理，能进行 AI Bot 智能写作和识图。 此外，在一些挑战赛中，如 Show Me 扣子 AI 挑战赛大消费行业专场中，“营销文案创作专家深度版”能够为企业营销团队等提供从文案框架创作到生成的一站式服务，并进行营销数据分析。
2025-03-28
GPT4o图片生成能力
GPT4o 是 OpenAI 推出的一种先进的图像生成模型，具有以下能力和特点： 1. 核心功能： 是一种先进的多模态模型，能够生成精确、真实感强的图像。 其图像生成功能不仅美观，还具有实际用途，例如白板演示、科学实验图解等。 2. 亮点功能： 精确的文本渲染：能够在图像中准确生成文字，例如街道标志、菜单、邀请函等。 结合文本和图像，提升了视觉传达能力。 多样化场景生成：支持从照片级真实感到漫画风格的多种图像生成。 可根据用户上传的图像进行灵感转化或视觉改造。 上下文感知：能够利用 GPT4o 的内在知识库和对话上下文生成符合语境的内容。 3. 技术改进： 通过联合训练在线图像和文本的分布，模型学会了图像与语言之间以及图像之间的关系。 经过后期训练优化，模型在视觉流畅性和一致性方面表现出色。 4. 实际应用场景： 信息传递：从标志性图像到复杂的科学图表，帮助用户更有效地传达信息。 创意设计：生成创意菜单、街道标志和独特的视觉故事。 教育与演示：支持生成教学图表、实验示意图等。 5. 局限性：尽管生成能力强，但仍可能存在某些场景或细节的限制。 6. 安全性与可用性：OpenAI 强调了安全性和隐私保护。目前该功能已集成到 ChatGPT 中，用户可直接体验。 此外，GPT4o 图像生成模型整合进了 4o 模型中，基于多模态训练，能够结合文本和图像的上下文，生成更智能、更逼真一致的视觉内容，并支持用户通过自然对话对其进行编辑调整和优化。它不仅能提供传统的图像生成，还可以生成更复杂的图像，包括插图、图表、PPT 元素、logo、游戏角色设计等。
2025-03-28
模型理解汉字能力很差
目前模型在理解汉字方面存在一些问题，主要表现为： 1. 语义理解较差，例如在某些应用场景中对中文的理解不够准确。 2. 中文汉字的集合较大，纹理结构更复杂，增加了理解难度。 3. 缺少中文文字的图文对数据，影响了模型对汉字的学习和理解。 为了提升模型对中文文字的生成能力，采取了以下措施： 1. 选择 50000 个最常用的汉字，机造生成千万级的中文文字图文对数据集，但机造数据真实性不足。 2. 实用 OCR 和 MLLM 生成海报、场景文字等真实中文文字数据集，约百万量级。通过结合高质量真实数据，提升了中文文字生成能力的真实性，即使是真实数据中不存在的汉字的真实性也有所提高。
2025-03-24
背景：我是一名高中生，想学习AI知识，逐步从入门到精通 目标：希望在<3个月>内具备一定能力。 请结合我的背景和优势，为我设计一份学习路线： - 列出每阶段（例如每一个礼拜）的学习重点（比如编程基础、数学）。 - 为每个阶段推荐<具体资源>（书籍、在线课程、练习项目等）。 - 提供一些学习技巧或注意事项。
以下是为您设计的一份在 3 个月内从入门到具备一定能力的 AI 学习路线： 第一个月： 学习重点：了解 AI 基本概念，包括术语、主要分支及它们之间的联系；掌握编程基础，如 Python 语言。 推荐资源： 书籍：《人工智能：一种现代方法》 在线课程：Coursera 上的“人工智能入门”课程 练习项目：使用 Python 实现简单的数据分析和可视化 学习技巧和注意事项：多做笔记，理解概念，注重实践。 第二个月： 学习重点：深入学习数学基础，包括统计学、线性代数和概率论；了解算法和模型中的监督学习和无监督学习。 推荐资源： 书籍：《概率论与数理统计》《线性代数及其应用》 在线课程：edX 上的“机器学习基础”课程 练习项目：使用监督学习算法进行数据分类预测 学习技巧和注意事项：通过实际案例加深对数学知识的理解，多做练习题。 第三个月： 学习重点：掌握神经网络基础，包括网络结构和激活函数；学习模型的评估和调优。 推荐资源： 书籍：《深度学习》 在线课程：Udacity 上的“深度学习入门”课程 练习项目：构建并优化一个简单的神经网络模型 学习技巧和注意事项：积极参与在线讨论，及时解决学习中的问题。 在整个学习过程中，您还可以： 体验 AI 产品，如 ChatGPT、文心一言等，了解其工作原理和交互方式。 掌握提示词的技巧，提高与 AI 的交互效果。 参与相关的社区和论坛，分享学习经验和成果。
2025-03-21