国内大模型使用比较记录

需求

        今天想用个大模型把我喜欢的一个句子“五眼鸡岐山鸣凤，两头蛇南阳卧龙，三脚猫渭水飞熊。”画出来，用了国内很多家大模型（甚至开了一个文心一言的会员）都没有取得令人满意的效果。我在这篇博客里记录一下各个模型的表现。

问题（测试流程）

a.请画出“五眼鸡岐山鸣凤，两头蛇南阳卧龙，三脚猫渭水飞熊。”

b.（如果无法作图或绘画错误）请解释“五眼鸡岐山鸣凤，两头蛇南阳卧龙，三脚猫渭水飞熊。”

c.（经过解释）请画出“五眼鸡岐山鸣凤，两头蛇南阳卧龙，三脚猫渭水飞熊。”

表现

 文心一言

a.无法生成

b.能够正确解释含义和粗略的寓意

c.无法生成

 通义千问

a.生成错误的图画

b.能够正确解释含义和寓意并给出准确的构图要素

c.生成错误的图画，经过多次询问，反而描述出了错误的意象

 讯飞星火

a.生成错误的图画

b.反复生成错误的图画，不进行解释

 智谱清言（ChatGLM）

a.无法生成

b.能够正确解释含义，寓意错误

c.无法生成

 腾讯混元

        免费体验了一下“混元生图”，把原始的句子放进去生成错误的图画，把通义千问中的描述放进去生成的图画还是不准确。

 华为盘古

        因为要申请，感觉太麻烦了，就不试了。

总结

        我认为通义千问的表现最好，它能准确地描述图画中的每个要素，但就是画不出来😂。似乎大模型无法理解现实中不存在的需要一点想象的事物。考虑到模型可能无法理解“五”“两”“三”这种量词指代的对象（例如把两头蛇当成两只蛇），也许需要更细致的问题，但这样用户就会觉得很麻烦，我是懒得去“调教”。

附：通义千问的回答

 想象一幅古代山水画卷，画卷上分布着三个鲜明的场景，各自对应上述比喻的意象：

1. 五眼鸡岐山鸣凤图：画面一侧，群山环抱之中，岐山巍峨耸立，云雾缭绕。山脚下，一只奇特的五眼鸡站在岩石上，昂首啼鸣，它身上披着用彩羽拼凑的华服，试图模仿凤凰的姿态。四周的小鸟惊异地望着它，似乎在质疑这荒诞的一幕。这幅画面讽刺了那些凭借伪装和虚名占据显赫位置的人物。

2. 两头蛇南阳卧龙景：画卷中央，一片宁静的南阳乡村，竹林幽深，溪水潺潺。在一棵古树下，看似一位沉睡的智者，身旁盘绕着一条双头蛇，蛇身缠绕成“卍”字形，象征着矛盾与不安。这位智者的形象模糊，让人难以分辨真伪，暗示那些自称智慧超群却实则言行不一的人物。

3. 三脚猫渭水飞熊境：画卷的另一侧，渭水悠悠流过，河岸上，一只三脚猫努力站立，它的前爪勉强抓着一根竹竿，模仿着钓鱼的姿态，背后似乎有着熊的幻影，但仔细看去，那熊的形状模糊，似有若无。这幅景象中的三脚猫，竭力想展现出姜子牙般的智者风范，却因能力有限，显得滑稽而悲哀，反映了社会中某些人自我吹嘘而实际能力不足的现象。

整个画卷通过这三个并置的场景，用夸张且富有象征意义的画面，展现了作者对时代弊病的深刻洞察与讽刺，让观者在会心一笑的同时，也反思现实中的种种现象。