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

目前市面上有哪些模型

Answer

目前市面上的模型主要有以下几种：

  1. Ranger 划分的大模型整体架构中的各层模型：
    • 基础层：为大模型提供硬件支撑和数据支持，例如 A100、数据服务器等。
    • 数据层：包括静态的知识库和动态的三方数据集。
    • 模型层：如 LLm（大语言模型，例如 GPT，一般使用 transformer 算法实现），以及多模态模型（如文生图、图生图等模型，训练所用数据为图文或声音等多模态数据集）。
    • 平台层：如大模型的评测体系或 langchain 平台等，提供模型与应用间的组成部分。
    • 表现层：即应用层，是用户实际看到的地方。
  2. 智谱·AI 开源的多模态模型：
    • CogAgent-18B：基于 CogVLM-17B 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 1120*1120 分辨率的图像理解，具备 GUI 图像的 Agent 能力。
    • CogVLM-17B：强大的开源视觉语言模型，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 state-of-the-art 或者第二名的成绩。
    • Visualglm-6B：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 ChatGLM-6B，具有 62 亿参数；图像部分通过训练 BLIP2-Qformer 构建起视觉模型与语言模型的桥梁，整体模型共 78 亿参数。
    • RDM：Relay Diffusion Model，级联扩散模型，可以从任意给定分辨率的图像快速生成，而无需从白噪声生成。
  3. OpenAI 的模型：
    • GPT-4 Beta：一组改进 GPT-3.5 的模型，可以理解和生成自然语言或代码。
    • GPT-3.5：一组改进 GPT-3 的模型，可以理解并生成自然语言或代码。
    • DALL·E Beta：可以在给定自然语言提示的情况下生成和编辑图像的模型。
    • Whisper Beta：可以将音频转换为文本的模型。
    • Embeddings：一组可以将文本转换为数字形式的模型。
    • Codex Limited Beta：一组可以理解和生成代码的模型，包括将自然语言转换为代码。
    • Moderation：可以检测文本是否敏感或不安全的微调模型。
    • GPT-3：一组可以理解和生成自然语言的模型。
Content generated by AI large model, please carefully verify (powered by aily)

References

Ranger：【AI 大模型】非技术背景，一文读懂大模型（长文）

首先为方便大家对大模型有一个整体的认知，我们先从大模型的整体架构着手，来看看大模型的组成是怎么样的。下面是我大致分的个层。从整体分层的角度来看，目前大模型整体架构可以分为以下几层：[heading3]1.基础层：为大模型提供硬件支撑，数据支持等[content]例如A100、数据服务器等等。[heading3]2.数据层[content]这里的数据层指的不是用于基层模型训练的数据基集，而是企业根据自己的特性，维护的垂域数据。分为静态的知识库，和动态的三方数据集[heading3]3.模型层：LLm或多模态模型[content]LLm这个大家应该都知道，large-language-model，也就是大语言模型，例如GPT，一般使用transformer算法来实现。多模态模型即市面上的文生图、图生图等的模型，训练所用的数据与llm不同，用的是图文或声音等多模态的数据集[heading3]4.平台层：模型与应用间的平台部分[content]比如大模型的评测体系，或者langchain平台等，提供模型与应用间的组成部分[heading3]5.表现层：也就是应用层，用户实际看到的地方[content]这个就很好理解了，就不用我多作解释了吧

智谱·AI 开源模型列表

[title]智谱·AI开源模型列表[heading2]多模态模型��模态的模型。|模型|介绍|代码链接|模型下载|<br>|-|-|-|-|<br>|CogAgent-18B|基于CogVLM-17B改进的开源视觉语言模型。CogAgent-18B拥有110亿视觉参数和70亿语言参数，支持1120*1120分辨率的图像理解，在CogVLM功能的基础上，具备GUI图像的Agent能力。|[CogVLM & CogAgent](https://github.com/THUDM/CogVLM)|[Huggingface](https://huggingface.co/THUDM/CogVLM)|[魔搭社区](https://modelscope.cn/models/ZhipuAI/cogagent-chat/summary)|[Swanhub](https://swanhub.co/ZhipuAI/cogagent-chat-hf)|始智社区|<br>|CogVLM-17B|强大的开源视觉语言模型（VLM）。基于对视觉和语言信息之间融合的理解，CogVLM可以在不牺牲任何NLP任务性能的情况下，实现视觉语言特征的深度融合。我们训练的CogVLM-17B是目前多模态权威学术榜单上综合成绩第一的模型，在14个数据集上取得了state-of-the-art或者第二名的成绩。||[Huggingface](https://huggingface.co/THUDM/cogvlm-chat-hf)|[魔搭社区](https://modelscope.cn/models/AI-ModelScope/cogvlm-chat/summary)|<br>|Visualglm-6B|VisualGLM-6B是一个开源的，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[ChatGLM-6B](https://github.com/THUDM/ChatGLM-6B)，具有62亿参数；图像部分通过训练[BLIP2-Qformer](https://arxiv.org/abs/2301.12597)构建起视觉模型与语言模型的桥梁，整体模型共78亿参数。|[VisuaGLM](https://github.com/THUDM/VisualGLM-6B)|[Huggingface](https://huggingface.co/THUDM/visualglm-6b)|[魔搭社区](https://modelscope.cn/models/ZhipuAI/visualglm-6b/summary)|<br>|RDM|Relay Diffusion Model：级联扩散模型，可以从任意给定分辨率的图像快速生成，而无需从白噪声生成。|[RDM](https://github.com/THUDM/RelayDiffusion)||

模型（Models）

[title]模型（Models）[heading2]概述OpenAI API由具有不同功能和价位的多种模型提供支持。您还可以通过[微调（fine-tuning）](https://ywh1bkansf.feishu.cn/wiki/ATYCwS5RRibGXNkvoC4ckddLnLf)，针对您的特定用例对我们的原始基本模型进行有限的定制。|模型|描述|<br>|-|-|<br>|[GPT-4](https://platform.openai.com/docs/models/gpt-4)Beta|一组改进GPT-3.5的模型，可以理解和生成自然语言或代码|<br>|[GPT-3.5](https://platform.openai.com/docs/models/gpt-3-5)|一组改进GPT-3的模型，可以理解并生成自然语言或代码|<br>|[DALL·E](https://platform.openai.com/docs/models/dall-e)Beta|可以在给定自然语言提示的情况下生成和编辑图像的模型|<br>|[Whisper](https://platform.openai.com/docs/models/whisper)Beta|可以将音频转换为文本的模型|<br>|[Embeddings](https://platform.openai.com/docs/models/embeddings)|一组可以将文本转换为数字形式的模型|<br>|[Codex](https://platform.openai.com/docs/models/codex)Limited Beta|一组可以理解和生成代码的模型，包括将自然语言转换为代码|<br>|[Moderation](https://platform.openai.com/docs/models/moderation)|可以检测文本是否敏感或不安全的微调模型|<br>|[GPT-3](https://platform.openai.com/docs/models/gpt-3)|一组可以理解和生成自然语言的模型|

Others are asking
市面上一些数字人软件交费成为会员后，以后做数字人短视频还要付费吗
市面上不同的数字人软件在付费成为会员后的收费情况有所不同。 例如，在某些电商场景中，使用数字人结合产品做短视频，可通过购买邮箱注册使用免费时长或直接购买会员版。直播应用可能需要收费，而短视频方面，有的可以利用免费时长，有的则需要购买会员。 像可灵这款视频模型，于 7 月 24 日发布会员体系，结束免费内测。使用其生成视频会消耗灵感值，使用高级功能和获取更多灵感值需付费成为 VIP 用户。非 VIP 用户只能使用普通功能，每天登录送 66 灵感值（有效期一天），大约可生成 6 个视频。会员充值限时一周半价，黄金会员 33 元/单月、396 元/一年，铂金会员 133 元/单月、1596 元/一年，钻石会员 333 元/单月、3996 元/一年。 另外，对于剪映数字人的“私有化”，尽管剪映有很多公模数字人，但私模数字人更受欢迎。可以用 AI 换脸软件完成最后一步，如通过谷歌浏览器打开特定链接进行操作，注意需要谷歌账号（可通过淘宝或特定平台购买）。 总之，不同数字人软件的收费规则各异，具体还需根据您使用的软件来确定。
2025-04-01
目前中国市面上什么好用的AI工具
以下是中国市面上一些好用的 AI 工具： 内容仿写 AI 工具： 秘塔写作猫：https://xiezuocat.com/ 。写作猫是 AI 写作伴侣，能推敲用语、斟酌文法、改写文风，还能实时同步翻译。支持全文改写，一键修改，实时纠错并给出修改建议，智能分析文章属性并打分。 笔灵 AI 写作：https://ibiling.cn/ 。是得力的智能写作助手，支持多种文体写作，能一键改写/续写/扩写，智能锤炼打磨文字。 腾讯 Effidit 写作：https://effidit.qq.com/ 。智能创作助手，探索提升写作者效率和创作体验。 更多 AI 写作类工具可查看：https://www.waytoagi.com/sites/category/2 。 图生图产品： Artguru AI Art Generator：在线平台，生成逼真图像，给设计师提供灵感。 Retrato：将图片转换为非凡肖像，有 500 多种风格选择。 Stable Diffusion Reimagine：通过稳定扩散算法生成精细、具细节的全新视觉作品。 Barbie Selfie Generator：将上传照片转换为芭比风格。 图像类产品： 可灵：由快手团队开发，用于生成高质量图像和视频，图像质量高，但价格相对较高，有不同收费档次。 通义万相：在中文理解和处理方面出色，可选择多种艺术和图像风格，操作界面简洁直观，用户友好度高，目前免费，每天签到获取灵感值即可，但存在一些局限性，如某些类型图像无法生成，处理非中文或国际化内容可能不够出色，处理多元文化内容可能存在偏差。
2025-03-26
如果调教ai助力成为网文作家？选用市面上哪种ai模型好一些
如果想调教 AI 助力成为网文作家，以下是一些建议和可选用的 AI 模型： 借助 AI 分析好的文章： 找出您最喜欢的文章，投喂给 DeepSeek R1（理论上来说适合大多数 AI，尤其是有推理模型）。 分三次询问：第一次从写作角度分析；第二次从读者角度分析；第三次指出文章的缺点、不足及改善和提升的空间。 对作者进行侧写，分析成长背景、个人经历和知识结构对文章的影响。 让 AI 对您写的文章进行点评：使用类似“现在我希望你是一名资深中文写作教师/小学语文老师/中学语文老师/公文写作培训师，拥有 30 年教育经验，是一名传授写作技巧的专家。请先阅读我提供给你的文章，然后对文章进行分析，然后教我如何提升写作水平。请给出详细的优缺点分析，指出问题所在，并且给出具体的指导和建议。为了方便我能理解，请尽量多举例子而非理论陈述”的提示词。 分享一个根据文章内容对作者心理侧写的提示词：“我希望你扮演一个从业 20 多年，临床诊治过两千多例心理分析案例的人性洞察和意识分析方面的专家，精通心理学、人类学、文史、文化比较。先阅读后附文章全文，然后对作者进行人格侧写。要尖锐深刻，不要吹捧包装，不要提出一些只能充当心理安慰的肤浅的见解。包括作者的基本画像、核心性格特质、认知与价值观、潜在心理动机、行为模式推测、矛盾与盲点、文化符号映射。” 在模型选择方面： 目前只推荐 Claude 3.7 Sonnet，Anthropic 对 Claude 在编程和美学方面有深度优化，效果较好。但您也可以使用 DeepSeek 等模型进行尝试。 对于模型的选用，没有强制必须用某个模型的说法。而是根据自己的习惯、实测的响应速度、生成质量、调用费用进行综合选择。比如 Doubao Function Call 模型，对于插件调用、Coze 内 json 格式输出比较擅长；MiniMax 处理文字速度很快；GLM 对于用户提示词的理解比较好。每个模型都有自己擅长的特点，而且每家模型都在不断的迭代。所以模型的选用，需要根据实测情况综合调整。一般可选择豆包·function call 32k，“function call”代表有着更好的 Coze 的工具调用能力，“32k”代表模型的上下文窗口大小，即模型在处理文本时能够考虑的单词或标记的数量。如果输出和输入的类型不是纯文本时，比如是 array、object 结构，请根据实测情况，考虑替换上豆包 function call 版本，其他的 LLM 可能会输出格式比较混乱。
2025-03-25
市面上对aigc设计岗位的需求度
目前，AIGC 相关岗位的需求呈现增长趋势。例如，网易内部要求所有设计师掌握 AIGC，腾讯 ISUX 已将 AI 应用于实战。在招聘方面，某数字银行招聘 AIGC 产品经理（深圳），其任职要求包括相信 AIGC、喜欢使用各种 AIGC 应用、能够上手相关操作等，岗位职责包括构建大模型工程化产品、探索和设计工程化产品、在重点业务场景中推动大模型的应用落地等。此外，小红书上也有众多 AIGC 相关的博主，如万能妍仔的 AIGC 等。总体而言，AIGC 领域的岗位需求在不断扩大，且对从业者的要求也在逐渐明确和提高。
2025-03-21
比较分析目前市面上的所有 AI软件
以下是对目前市面上部分 AI 软件的比较分析： 摄影相关： AI 摄影参数调整助手：使用图像识别和数据分析技术，常见于摄影 APP 中，能根据场景自动调整摄影参数，市场规模达数亿美元。 500px 摄影社区：拥有 AI 摄影比赛平台，运用图像识别和数据分析技术，举办各种主题的摄影比赛，市场规模达数亿美元。 音乐相关： AI 音乐情感分析平台：采用机器学习和音频处理技术，有音乐情感分析软件，市场规模达数亿美元，可分析音乐的情感表达。 Logic Pro X 教学软件：借助机器学习和音频处理技术，是 AI 音乐制作教学平台，市场规模达数亿美元，能为用户提供个性化教学服务。 家居相关： AI 家居智能照明系统：结合物联网技术和机器学习，如小米智能照明系统，市场规模达数十亿美元，可实现家居照明的智能化控制。 鲁班到家 APP：运用数据分析和自然语言处理技术，是 AI 家居维修服务平台，市场规模达数亿美元，能为用户推荐附近的专业维修人员。 金融相关： AI 金融风险预警平台：使用数据分析和机器学习技术，有金融风险预警软件，市场规模达数十亿美元，可提前预警金融风险。 雪球财经 APP：利用数据分析和自然语言处理技术，是 AI 金融投资教育平台，市场规模达数亿美元，能为用户提供个性化的金融投资教育服务。 其他领域： AI 菜谱口味调整工具：运用自然语言处理和数据分析技术，如下厨房口味调整功能，市场规模达数亿美元，能根据用户反馈调整菜谱口味。 AI 语言学习纠错平台：采用自然语言处理和机器学习技术，如英语流利说纠错功能，市场规模达数十亿美元，可帮助语言学习者纠正错误。 AI 电影剧情分析系统：借助数据分析和自然语言处理技术，如豆瓣电影剧情分析工具，市场规模达数亿美元，能分析电影剧情并提供深度解读。 AI 办公文件分类系统：结合数据分析和机器学习技术，如腾讯文档分类功能，市场规模达数亿美元，可自动分类办公文件。 AI 美容护肤方案定制平台：使用图像识别和数据分析技术，如美丽修行定制方案功能，市场规模达数亿美元，能根据用户肤质定制护肤方案。
2025-03-21
AI数字人是什么，市面上目前有哪些生成数字人的AI工具，介绍一下这些工具的网址以及优缺点
AI 数字人是通过人工智能技术创建的虚拟人物形象。 目前市面上常见的生成数字人的 AI 工具及相关信息如下： 1. HEYGEN： 优点：人物灵活，五官自然，视频生成很快。 缺点：中文的人声选择较少。 网址： 使用方法： 点击网址注册后，进入数字人制作，选择 Photo Avatar 上传自己的照片。 上传后效果如图所示，My Avatar 处显示上传的照片。 点开大图后，点击 Create with AI Studio，进入数字人制作。 写上视频文案并选择配音音色，也可以自行上传音频。 最后点击 Submit，就可以得到一段数字人视频。 2. DID： 优点：制作简单，人物灵活。 缺点：为了防止侵权，免费版下载后有水印。 网址： 使用方法： 点击上面的网址，点击右上角的 Create vedio。 选择人物形象，可以点击 ADD 添加自己的照片，或者使用 DID 给出的人物形象。 配音时，可以选择提供文字选择音色，或者直接上传一段音频。 最后，点击 Generate vedio 就可以生成一段视频。 打开自己生成的视频，可以下载或者直接分享给朋友。 3. KreadoAI： 优点：免费（对于普通娱乐玩家很重要），功能齐全。 缺点：音色很 AI。 网址： 使用方法： 点击上面的网址，注册后获得 120 免费 k 币，这里选择“照片数字人口播”的功能。 点击开始创作，选择自定义照片。 配音时，可以选择提供文字选择音色，或者直接上传一段音频。 打开绿幕按钮，点击背景，可以添加背景图。 最后，点击生成视频。 此外，还有开源且适合小白用户的数字人工具，如： 特点：一键安装包，无需配置环境，简单易用。 功能：生成数字人视频，支持语音合成和声音克隆，操作界面中英文可选。 系统兼容：支持 Windows、Linux、macOS。 模型支持：MuseTalk（文本到语音）、CosyVoice（语音克隆）。 网址： GitHub： 官网： 更多数字人工具请访问网站查看：https://www.waytoagi.com/category/42 。请注意，这些工具的具体功能和可用性可能会随着时间和技术的发展而变化。在使用这些工具时，请确保遵守相关的使用条款和隐私政策，并注意保持对生成内容的版权和伦理责任。
2025-03-14
大模型的系统提示词
大模型的系统提示词主要包括以下方面： 1. 在“五津：一键生成‘摸鱼打工猫’视频”中，针对用户选择的主题和回答，总结用户的创作意图，如“打工猫摸鱼的 2 小时，在巴厘岛能看一场日落”，并根据此生成 4 组体现幽默风趣、以宫崎骏风格描绘主角为摸秋刀鱼橘猫的绘图提示词，以数组形式输出到“tishici”，将用户意图输出到“biaoti”。 2. 在“云中江树：智能对决：提示词攻防中的 AI 安全博弈”中，系统提示词的相关防御措施分为输入侧、模型侧和输出侧三个部分。输入侧可进行意图识别、语义匹配等综合判断用户输入是否恶意；模型侧对于有能力的厂商应增强安全性并平衡性能，开发者则要在开发中带着安全意识优化系统提示词，加入安全引导和禁止内容等；输出侧可使用传统防御和内容过滤手段，并针对大模型特点进行私有数据泄露等检查。此外，还提到间接注入和提示词泄露的情况，间接注入常发生在应用获取依赖外部数据资源时，攻击者通过隐藏恶意指令完成攻击；提示词泄露指试图操纵模型输出获取部分或全部系统提示词，大模型输出内容可分为系统提示词、用户提示和助手提示词三段，通过攻击手段可获取系统提示词。
2025-04-18
通义千问Qwen2.5-VL、阶跃星辰step-1.5v-mini、Gemini-2.0-Flash，这3个视觉理解大模型哪个最厉害？
以下是对通义千问 Qwen2.5VL 模型的介绍： 版本：有 3B、7B 和 72B 三个尺寸版本。 主要优势： 视觉理解能力：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。 视频理解能力：支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。 万物识别：擅长识别常见物体及分析图像中的文本、图表、图标、图形和布局。 精准的视觉定位：采用矩形框和点的多样化方式对通用物体定位，支持层级化定位和规范的 JSON 格式输出。 全面的文字识别和理解：提升 OCR 识别能力，增强多场景、多语言和多方向的文本识别和文本定位能力。 Qwen 特色文档解析：设计了更全面的文档解析格式，称为 QwenVL HTML 格式，能够精准还原文档中的版面布局。 增强的视频理解：引入动态帧率（FPS）训练和绝对时间编码技术，支持小时级别的超长视频理解，具备秒级的事件定位能力。 开源平台： Huggingface：https://huggingface.co/collections/Qwen/qwen25vl6795ffac22b334a837c0f9a5 Modelscope：https://modelscope.cn/collections/Qwen25VL58fbb5d31f1d47 Qwen Chat：https://chat.qwenlm.ai 然而，对于阶跃星辰 step1.5vmini 和 Gemini2.0Flash 模型，目前提供的信息中未包含其与通义千问 Qwen2.5VL 模型的直接对比内容，因此无法确切判断哪个模型在视觉理解方面最厉害。但从通义千问 Qwen2.5VL 模型的上述特点来看，其在视觉理解方面具有较强的能力和优势。
2025-04-15
目前全世界最厉害的对视频视觉理解能力大模型是哪个
目前在视频视觉理解能力方面表现出色的大模型有： 1. 昆仑万维的 SkyReelsV1：它不仅支持文生视频、图生视频，还是开源视频生成模型中参数最大的支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其具有影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等优势。 2. 通义千问的 Qwen2.5VL：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。擅长万物识别，能分析图像中的文本、图表、图标、图形和布局等。
2025-04-15
目前全世界最厉害的视频视觉理解大模型是哪个
目前全世界较为厉害的视频视觉理解大模型有以下几个： 1. 昆仑万维的 SkyReelsV1：不仅支持文生视频、图生视频，是开源视频生成模型中参数最大且支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其优势包括影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等。 2. 腾讯的混元：语义理解能力出色，能精准还原复杂的场景和动作，如特定品种的猫在复杂场景中的运动轨迹、从奔跑到跳跃的动作转换、琴音化作七彩音符等。 3. Pixverse V3.5：全球最快的 AI 视频生成模型，Turbo 模式下可在 10 秒内生成视频，最快仅需 5 6 秒。支持运动控制更加稳定、细节表现力强、首尾帧生成功能，具备顶尖动漫生成能力。
2025-04-15
目前全世界最厉害的视觉理解大模型是哪个
目前在视觉理解大模型方面，较为突出的有 DeepSeek 的 JanusPro 模型，它将图像理解和生成统一在一个模型中；还有通义千问的视觉理解模型，其价格有较大降幅。此外，Pixverse V3.5 是全球最快的 AI 视频生成模型，在某些方面也展现出了出色的能力。但很难确切地指出全世界最厉害的视觉理解大模型，因为这取决于不同的评估标准和应用场景。
2025-04-15
大模型对话产品的优劣
大模型对话产品具有以下优点： 1. 具有强大的语言理解和生成能力。 2. 能够提供类似恋爱般令人上头的体验，具有一定的“想象力”和“取悦能力”。 3. 可以通过陪聊建立人和 AI 之间的感情连接，产品粘性不完全依赖技术优越性。 4. 能够为用户提供产品咨询服务，适用于有企业官网、钉钉、微信等渠道的客户。 5. 具有多种应用场景，如私有领域知识问答、个性化聊天机器人、智能助手等。 大模型对话产品也存在一些缺点： 1. 存在记忆混乱的问题。 2. AI 无法主动推动剧情，全靠用户脑补，导致用户上头期短，疲劳度高，长期留存低。 3. 无法回答私有领域问题（如公司制度、人员信息等）。 4. 无法及时获取最新信息（如实时天气、比赛结果等）。 5. 无法准确回答专业问题（如复杂数学计算、图像生成等）。
2025-04-14
完全免費的AI工具目前有哪些
目前完全免费的 AI 工具包括： 1. 麻省理工学院（MIT）为 8 18 岁孩子推出的 AI 课程 Day of AI，包含在 MIT 的 RAISE 项目中。不过该课程资源主要面向家长和老师群体，大孩子可自学，小孩子可能需要家长辅助。 2. 元子提到的一些能让普通人最低成本直接上手试的 AI 工具，包括聊天工具、绘画工具、视频工具、音乐工具等，但未具体指明具体的工具名称。
2025-04-13
gemini-2.5目前是什么水平
Gemini 2.5 是一款全能思考模型，具有以下特点和优势： 多领域达到 SOTA 水平，逻辑、代码、任务处理能力大幅提升。 支持 100 万 tokens 上下文，具备强大的阅读能力。 统一架构原生多模态支持，图文音码协同处理，并非外挂而是原生融合。 您可以通过以下链接获取更多详细信息：https://www.xiaohu.ai/c/xiaohuai/googlegemini25proexperimental
2025-04-13
AI行业目前的产业链是怎么样的
AI 行业的产业链大致可分为上游的基础设施层（数据与算力）、中游的技术层（模型与算法）、下游的应用层（应用与分发）。 上游基础设施层：布局投入确定性强，但涉及海量资金投入，入行资源门槛高，未来国内可能更多由“国家队”承担重任。普通人若无强资源，可考虑“合作生态”的切入机会。 中游技术层：处于技术爆炸阶段，迭代速度极快。规模不大的团队或个人需慎重考虑技术迭代风险，基础通用大模型非巨无霸公司不建议考虑，竞争激烈，最终赢家通吃。 下游应用层：是广阔蓝海，尽管从业者增加并涌现出一些产品，但针对行业/细分领域的成熟应用产品不多，“杀手级”应用稀少。普通个体和小团队强烈推荐重点布局，拥有超级机会和巨大发展空间。 此外，据 SensorTower 统计，2024 全年全球 AI 移动应用内付费收入预计为 30 亿美元，图像和视频类 AI 应用占据主导地位，对话机器人类别排名第二。从地区分布来看，北美和欧洲贡献了三分之二的市场份额。 美国红杉资本指出，AI 供应链从下到上分为六层，各层盈利能力存在显著差异。第一层的芯片代工厂和第二层的芯片设计商保持高利润水平；第三层的工业能源供应商受益良多；第四层云厂商处于重金投入阶段；第五层的 AI 模型开发商面临亏损；第六层的应用服务商充满潜力，但市场规模有限。大型云厂商是整个供应链的“链主”。行业格局方面，头部阵营基本稳定。
2025-04-13