一场宋朝举办的亚运会；用Bing薅DALL-E 3羊毛；全球AI Agent大盘点；开源大模型终将胜出

本文链接：https://blog.csdn.net/ShowMeAI/article/details/133501426

文章探讨了AI技术的最新进展，包括DALL-E3在Bing的实装，Runway的Gen:48比赛，以及LLM在电商推荐系统中的应用。同时，分析了开源大模型可能超越闭源AI的趋势，重点关注了Character.ai的用户行为和AIAgent的创业启示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

👀日报&周刊合集 | 🎡生产力工具与行业应用大全 | 🧡 点赞关注评论拜托啦！

🔥 使用AI绘制亚运会各项目精彩瞬间

最近的热点应该就是亚运会了。逛小红书时看到了第二套图，使用宋代风格绘制AI图片，跨越千年的时空互动，眼前一亮！

🏆 Runway 宣布举办「Gen:48」网络影片创作比赛

https://gen48.runwayml.com

Runway 是一个用人工智能来推动创意的平台，提供了 30 多种 AI 魔法工具，让你可以轻松地生成、编辑和合成影像、音乐和文字。

Runway 宣布举办「Gen:48」在线电影创作比赛，要求参赛团队使用 Runway 和其他资源在48小时内制作一部1-4分钟的影片。比赛时间是美东时间2023年10月21日早9点到10月23日早9点，比赛主题也会在开赛前公布。

参赛队伍将获得30万个 Runway 积分及其他制作工具的支持，优秀作品将在GEN:48网站展示并接受观众投票。最终获胜的影片，将赢得五千美元、100万 Runway 积分、Epidemic Sound一年订阅奖励，并有机会在今年 AI 电影节上播放。

🧰 DALL-E 3已经在 Bing实装，支持中文，而且免费！

https://www.bing.com/images/create

https://www.bing.com

最近两天比较热门的话题，是DALL-E 3在Bing中实装并开放使用了。上方两个链接都可以使用DALL-E 3免费绘制AI图像，不过都需要魔法。

看了一下技术博主们的实测，整体反馈是非常不错，提示词理解比Midjourney强，某些方面的生成质量与 Midjourney 相差不多，要超过 SDXL非常多。最关键的是 DALL-E 3免费。

🧩 AI绘图SDXL大模型推荐榜

这是一篇基于SDXL1.0微调模型的推荐，作者经过了大量尝试后选出了8个实用模型，日报将其整理如下：

DreamShaper XL1.0：一款通用写实大模型，可以与 MidJourney 5.2 相媲美，生成图像质量和清晰度非常好

SDXL_Niji_Special Edition：一款通用卡通大模型，与Niji5匹敌，是SD生态中表现最好的卡通模型

LEOSAM’s HelloWorld 新世界 SDXL：一款亚洲人物真人模型，追求逼真的人物肖像

DynaVision XL：一款通用3D模型，擅长生成皮克斯、梦工厂等动画片中的3D场景和角色

Microsoft Design SDXL：一款UI图标模型，偏微软风格，生成质量较高

Juggernaut Cinematic XL LoRA：一款电影风格的 LoRA，可以为图片增加电影质感的光照、色彩等效果

InkPunk XL LoRA：一种前卫复古的墨水朋克艺术风格模型

Voxel XL LoRA：可以将图片转换为立方体小块的体素风格 ⋙ 阅读原文

👀 Character.ai：用户群体与用户行为，2C AI产品内容中空的技术壁垒

这是一篇 Character.ai 的深度解读文章，如果你也对 Character.ai 的用户群体和用户行为感兴趣，那么千万不要错过这篇！

从数据说起，App发布后有什么变化：Character.ai网页访问量下降，App MAU上升到400万级别；Web端使用时长反而增加了，表明Web端正向工具化转向，App承担内容消费功能

Character.ai 用户群体：主要是18-24岁的美国和东南亚学生/初级白领；性格内向，喜欢游戏/动漫，有丰富的想象力，对涩涩话题比较开放

Character.ai 用户行为：最主要的场景是 Roleplay (RP，角色扮演)，占比65%；RP主要分为恋爱、恶搞和冒险三大类

Why RP：用户和产品/内容高度匹配才能形成RP场景；用户有强烈的代入情结，平台提供了创作工具和丰富的角色IP支持RP

RP的类型和内容：恋爱RP，依据熟悉的角色探索关系；恶搞RP，无厘头脑洞或故事续写；冒险RP，与AI一起在宏大世界中冒险

总结和判断：Character.ai 目前像4399那样依赖内容聚合增长；仅从技术角度提升体验的方法不可持续，需要从内容和渠道做转型 ⋙ 阅读原为

🚀 全球AI Agent大盘点，LLM创业一定要参考的60个AI智能体

7月初，AI Agent 随着 OpenAI 应用人工智能研究负责人Lilian Weng那篇博文一并刷爆AI圈，引发了媒体圈、学研界、投资领域的热烈讨论，并开启了国AI Agent的探索热潮。AI Agent不仅让大家看到了大语言模型落地的方向，也让更多创业者进一步燃起了LLM创业的希望。

这是一篇很特别的盘点，不仅详细介绍了 AI Agent 是什么，还整理了60个AI Agent框架及工具，当然也包括基于一些开源框架打造的Agent产品。

Auto-GPT：基于GPT-4和GPT-3.5的开源项目，可以自动完成项目

AgentGPT：可以配置和部署自定义AI智能体来实现目标

Baby AGI：使用OpenAI和Pinecone的AI任务管理系统

Jarvis：Microsoft开发的协作系统，使用多个AI模型协同工作

Aiagent.app：允许用户创建自定义AI智能体

Camel AGI：基于角色扮演的生成式AI工具

Westworld simulation：在虚拟小镇中模拟人类行为的AI智能体

GPT-Engineer：使用AI生成代码的开源工具

MetaGPT：多智能体框架，使用单行输入生成各种内容

Amazon Bedrock Agents：创建自主AI应用的平台

nvidia Voyager：使用GPT-4在Minecraft中学习的AI

RoboAgent：完成多种任务的通用机器人智能体

Inflection AI Pi：个人AI产品，模拟情商和知识

HyperWrite：AI写作助手

GPT Researcher：进行研究和生成报告的AI

ModelScopeGPT：国内首个大模型调用工具

TARS-RPA-Agent：基于TARS大模型的自主智能体

OmBot：具有认知、记忆、思考、行动能力的智能体

Ask XBot：通过自然语言交互完成数据分析和搜索的Agent

ChatDev：基于聊天进行游戏开发的生成式智能体

IBM Watson Health：医疗领域AI，辅助医生诊断

Charles Schwab Intelligent Portfolio：金融领域AI，投资组合管理

Amazon Alexa：零售业AI，产品推荐和订单管理

GE Predix：制造业AI，机器监控和故障预测

Tesla Autopilot：交通运输AI，自动驾驶的辅助

Pearson Aida：教育行业AI，提供学习支持

John Deere See&Spray：农业AI，识别杂草位置

Cognosys：基于Web的AI智能体，简化任务

Doanythingmachine：管理任务的个人AI

alphakit：创建和管理AI团队的平台

GPTConsole：命令行界面，提供AI优势

Spell：基于GPT-4的AI智能体

Aomni：检索互联网信息的AI

Fine-Tuner.ai：根据用户数据创建专业AI

SuperAGI：开源的AI智能体框架

TeamSmart AI：提供ChatGPT快捷访问的浏览器扩展

BrainstormGPT：生成报告的AI工具

AgentRunner.Ai：创建自主AI的平台

Gista：网站访客转化和AI营销的平台

Agent4：客户服务领域的AI

Cometcore AI：制作和编码AI的平台

personal-assistant：处理日常任务的AI代理

OpenAGI：AGI研究平台

Agent-LLM：跨多个AI提供商的自动化平台

AutoGPT-Next-Web：一键部署AutoGPT-Next的Web应用

MiniGPT-4：视觉语言理解的AI

Mini-AGI：基于GPT的最小化AGI

Teenage-AGI：使用OpenAI构建AI代理的项目

FastGPT：知识库问答系统

DemoGPT：快速创建演示的AI

LocalAGI：基于LLMDA等模型的AGI项目

ai-town：AI虚拟城镇的开源工具包

gptrpg：AI RPG游戏环境

SFighterAI：使用强化学习训练打败街霸的AI

Yellow.ai：对话式AI平台

E42：企业流程自动化平台

Thankful：帮助台AI

Aktify：销售领域AI

Hyperwrite：写作辅助AI

GPT Researcher：研究辅助AI ⋙ 阅读原文

👩‍💻 淘宝技术：LLM在电商推荐系统的探索与实践

电商推荐系统（Recommend System，RecSys）是一种基于用户历史行为和兴趣偏好的个性化系统，能够为用户提供精准、个性化的商品推荐，促进用户的购物体验和消费满意度。

目前业界有非常多关于LLM与推荐的探索。这篇文章种，淘宝技术团队对LLM+推荐的结合范式进行了梳理和讨论，并尝试将LLM涌现的能力迁移应用在推荐系统之中，利用LLM的通用知识来辅助推荐，改善推荐效果和用户体验 ⋙ 阅读原文

📋 为什么开源大模型终将胜出？

以 ChatGPT 为代表的闭源 AI 因为简单易用等特性，很快在行业种占据了主导地位。业内也不看好开源AI并给出了理由：开源 AI 无法与行业实验室的优势资源竞争；开源 AI 缺乏安全性；开源 AI 无法进行推理。

本文作者 Varun Shenoy 在 AI 基础设施公司 Baseten 从事机器学习推理工作。他并不认同当前闭源 AI 垄断的发展态势，一一反驳了上述看法，并认为开源模型日渐成熟后将成为众多应用的最佳选择：

文章认为开源AI终将战胜闭源AI，尽管当前闭源AI如OpenAI等更为知名，但开源AI具有更大的发展潜力

开源AI的优势在于可以无限定制，并且可以针对特定任务进行微调，闭源AI接口则无法满足不同的业务需求

开源AI可以安全自托管，避免数据和模型泄露的风险，闭源AI存在不可知的风险

开源AI可以利用全球开发者的力量快速迭代和修复bug，闭源AI则无法实现这点

当前开源AI在图像生成和语言理解能力上已可媲美闭源AI，未来开源AI定会取得更大进步

开源AI虽略逊色于闭源AI的易用性，但这些差异会逐步缩小，开源AI终将以其高度定制化和安全性优势取胜 ⋙ 阅读原文 | 中文翻译版