有朋友问我,现在这么多大语言模型,哪一款最好用?
这并没有标准答案,每个模型都有自己独特优势,需要根据具体的使用场景来区分。
带大家一起盘点下国内比较常用的几款大模型及其特性,看看哪款适合你?
百度——“文心一言”大模型
产品介绍
文心一言是百度基于文心大模型打造的生成式AI产品,具备跨模态、跨语言的深度语义理解与生成能力。2023年10月,文心大模型4.0版本发布,实现基础模型的全面升级,理解、生成、逻辑、记忆四大能力显著提升,综合能力可直接对标GPT-4。
产品特性
-
适用性广:可以应用于文学创作、商业文案创作、数理逻辑推算、中文理解等。
-
多模态生成:能够生成文字、图片和语音,适应多种应用场景。
-
知识增强:基于飞桨深度学习平台和文心知识增强大模型,具备知识增强、检索增强和对话增强的技术特色。
阿里巴巴——“通义千问”大模型
产品介绍
通义千问是阿里自研的AI大语言模型,2023年10月31日发布了2.0版本,相较于1.0版本,在复杂指令理解、文学创作、通用数学、知识记忆、幻觉抵御等能力上均有显著提升。
产品特性
-
强大的文档处理能力:能够单次处理1000万字的文本和100个文档,支持多种文件格式。
-
智能编码能力:以通义代码大模型CodeQwen1.5为底座,提供卓越的智能编码能力。
-
多语言能力:在多语言评测中表现出色,特别是在越南语和韩语的评测中。
-
开源模型:提供了从0.5B到72B的多种尺寸模型,满足不同部署需求。
腾讯——“混元大模型”
产品介绍
混元大模型是腾讯自研的大语言模型,具备强大的中文创作能力,复杂语境下的逻辑推理能力,以及可靠的任务执行能力。2023年9月,混元大模型首批通过备案,将正式上线,并陆续面向公众开放。
产品特性
-
公众号检索:能够搜索微信公众号文章,在媒体相关层面上数据更加丰富。
-
多模态能力:混元大模型支持图片生成、文案创作、文字辨识等功能,适用于金融、公共服务、社交媒体、电子商务、交通运输、游戏等产业。
-
广泛的应用场景:已经在腾讯会议、腾讯文档、企业微信、腾讯广告和微信搜一搜等多个业务中应用,提升了工作效率。
科大讯飞——“讯飞星火”大模型
产品介绍
讯飞星火是科大讯飞推出的新一代认知智能大模型,拥有跨领域的知识和语言理解能力,能够基于自然对话方式理解与执行任务。
产品特性
-
语音交互优势:讯飞星火V3.5在语音交互方面表现卓越,支持全语音交互,提供更自然的对话体验。
-
教育领域应用:推出星火智慧黑板,具备多模态理解与推荐、全自然交互等功能,提升教育体验。
-
多模态能力:在多模态理解方面达到GPT-4V的91%,支持长文本、长图文、长语音的处理。
字节跳动——“豆包”大模型
产品介绍
豆包是字节跳动基于云雀模型开发的AI智能聊天助手,可以回答各种问题并进行对话,帮助用户获取信息。豆包的功能一致,提供问答、智能创作、聊天等服务。
产品特性
-
信息搜索能力:在信息搜索方面表现突出,能够提供准确的信息。
-
法律知识理解:在法律问题上表现出较强的理解和逻辑分析能力。
-
情感分析:能够准确把握文本中的情感,进行情感强度对比
-
智能体:与 Coze 兼容更好,在智能体方向上做了很多适配。
KimiChat——“Kimi”大模型
产品介绍
KimiChat是由月之暗面科技有限公司开发的AI智能助手,具备多语言能力,擅长中文和英文的对话。KimiChat能够支持多轮总和最多200万字的输入和输出,因此支持长文本写作、翻译、完整代码编写等任务。
产品特性
-
长文本处理:支持多轮总和最多200万字的输入和输出。
-
文件处理:阅读和处理TXT、PDF、Word文档、PPT幻灯片、Excel电子表格等格式的文件。
-
搜索能力:结合网络搜索结果为用户提供更好的回答。
智谱——“清言”大模型
产品介绍
智谱清言是智谱科技推出的大语言模型,具备强大的自然语言处理能力,能够进行复杂的语言理解和生成任务。
产品特性
-
数据分析能力:智谱清言在数据分析方面表现出色,能够生成专业的数据分析报告,帮助用户进行数据驱动决策。
-
结构化任务执行:通过RTF模型(Role、Task、Format),智谱清言能够更清晰地理解用户需求,生成更符合期望的内容。
-
报告生成:能够生成PPT格式的数据分析报告,包含图表和分析说明,提升报告的专业性和可读性。
总结
并没有说一定哪款大模型全面领先,在各种发展中都有一些独特之处,看大家的使用场景来选择。
-
文学创作或商业文案:优先文心一言。
-
代码编写或语言翻译:通义千问更胜一筹。
-
处理复杂数据分析:智谱清言不错。
-
语音交互方面:讯飞星火表现出色。
-
涉及智能体相关:考虑字节豆包。
-
自媒体内容创作:可以使用混元。
-
长文本和文件处理:肯定是 Kimichat。
以上仅代表个人观点,根据各个产品特性总结。如果只是日常使用,其实随便一款大模型基本都能够满足要求。
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。