openAI 于 8月 6 日 最新推出另了一个超强 AI 大模型 —— GPT-4o(Aug 6),强势跻入全球前列。不得不说,这才多久,openAI,谷歌,Meta 等大厂对于大模型就发生了无数次的更新,每次更新,都是让人大呼哇塞!全球领先真是当之无愧啊。
那么,面对这么多优秀的 AI 大模型,他们之间到底谁最优秀呢?如果要选择一款适合我们团队的大模型,我应该选择哪个呢?
我该如何选择最合适的大模型呢?
我们一般会分别从质量、速度以及成本这三个方面来分别进行评估选型。
质量篇:谁是最聪明的 AI ?
质量指数是衡量 AI 模型性能的关键指标,反映了大模型在多个测试中的综合表现。
我们看到论质量,目前排在前三名的分别是 openAI 的 GPT-4o、openAI 于 8月 6 日 最新推出的 **GPT-4o(Aug 6)**和 Meta 的 Llama 3.1 405B。90 分以上的包括 5 个公司的 7 个大模型。其中
-
GPT-4o:OpenAI 的旗舰产品,以其全面的语言理解和生成能力著称。
-
GPT-4o(Aug 6):该模型可通过API实现可靠的结构化输出,这一功能专门设计来确保模型输出能够精确地符合开发者所提供的JSON Schema。
-
Llama 3.1 405B :拥有庞大的知识库,擅长处理复杂查询。
-
Claude 3.5 Sonnet :Anthropic 的杰作,个性化和创造性文本生成能力突出。
-
Gemini 1.5 Pro:以快速反应和高效信息处理能力受到市场青睐。
-
Mistral Large 2 :稳定性和企业级解决方案的性能表现卓越。
速度篇:谁的反应最快?
输出速度决定了 AI 模型生成结果的快慢,是用户体验的重要指标。
我们可以看到,大模型的速度,Gemini 1.5 Flash 可谓是遥遥领先于其他大模型的。而 100 分以上的分别是以下 3 个:
-
Gemini 1.5 Flash :以其闪电般的输出速度领先于其他模型。
-
Llama 3.1 8B :在保持较高质量的同时,也提供了令人满意的速度。
-
Claude 3 Haiku :快速响应,适合需要即时反馈的应用场景。
价格篇:性价比大比拼
价格是选择 AI 模型时不可忽略的因素,合理的成本控制对于商业应用至关重要。
我们看到,价格最便宜的是来自 Meta 的 Llama 3.1 8B 大模型,它的质量最差,但速度却仅次于 Gemini 1.5 Flash。而最贵的则是速度差一点但质量表现最好的 GPT-4o ,不过长期来看它的价格也是会有所降低的。
-
Llama 3.1 8B :在价格方面表现出较高的竞争力,性价比出色。
-
GPT-4o mini :轻量级模型,价格亲民,适合预算有限的项目。
-
Gemini 1.5 Flash :虽然速度快,但价格也相对合理,适合对速度有高要求的用户。
小结
在选择 AI 模型时,我们需要根据自己的需求进行综合评估。
例如,如果你需要一个反应迅速且成本效益高的聊天机器人,Gemini 1.5 Flash 可能是个不错的选择。而如果你追求的是深度的知识和理解能力,Llama 3.1 405B 或许更加适合你。
本期信息来源为:https://artificialanalysis.ai,你也可以收藏起来,以便以后查看最新的 AI 大模型排名。毕竟大模型每天都在发生着巨大的变化,随时都有可能会改变当前的排名顺序。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。