全球大型语言模型(LLMS)现状与比较

news2024/10/6 10:28:04

我用上个博文的工具将一篇ppt转换成了图片,现分享给各位看官。

第一部分:国外大语言模型介绍

1,openai的Chatgpt

免费使用方法1:choose-caricon-default.png?t=N7T8https://share.freegpts.org/list

免费使用方法2:Shared Chaticon-default.png?t=N7T8https://sharedchat.fun/

另外再提供一个我自己用php搭建的一个网站;

ChatGPT_White_专用版icon-default.png?t=N7T8https://enlightai.whtaiheli.com/chatgptphp/index.php

2,Google的Gemini,  https://gemini.google.com/appicon-default.png?t=N7T8https://gemini.google.com/app

3,Claud3,App unavailable \ AnthropicAnthropic is an AI safety and research company that's working to build reliable, interpretable, and steerable AI systems.icon-default.png?t=N7T8https://claude.ai/ ,目前Opus模型最强

免费体验地址:https://mychandler.bet/chaticon-default.png?t=N7T8https://mychandler.bet/chat

4,法国的Mistral大语言模型,https://mistral.ai/icon-default.png?t=N7T8https://mistral.ai/

Mistral 7B和Mixtral 8x7B两个模型

5,Grok-1,开源地址:https://github.com/xai-org/grok-1icon-default.png?t=N7T8https://github.com/xai-org/grok-1

xAI公司(英语:xAI Corp.)是埃隆·马斯克于2023年7月12日创办的人工智能初创企业,模型有3140亿参数,已开源,目前最大的开源大模型,运行的电脑需要8块H100,一块H100大概在25-30万RMB,8块接近240万RMB

6,LLama2,网址:https://llama.meta.com/icon-default.png?t=N7T8https://llama.meta.com/,开源地址:https://github.com/meta-llama/llamaicon-default.png?t=N7T8https://github.com/meta-llama/llama

由 Meta AI 发布的一个开放且高效的大型基础语言模型,共有 7B、13B、70B(700 亿)版本。

国外大模型对比图:

第二部分、国内大语言模型简介

1、ChatGLM的大模型介绍 ,网址: https://chatglm.cn/icon-default.png?t=N7T8https://chatglm.cn/,开放平台网址:https://open.bigmodel.cn/icon-default.png?t=N7T8https://open.bigmodel.cn/

是北京智谱华章科技有限公司推出的生成式AI助手,可在工作、学习和日常生活中为用户解答各类问题,完成各种任务。2023年8月31日智谱轻言上线,AI画图,长文档解读,数据分析,高级联网,智能体功能都具备。

2,文心一言,网址:https://yiyan.baidu.com/icon-default.png?t=N7T8https://yiyan.baidu.com/网页端目前是3.5和文心大模型4.0,4.0收费是49.9元/月

文心一言API,千帆大模型平台

开放平台网址:https://console.bce.baidu.com/icon-default.png?t=N7T8https://console.bce.baidu.com/,支持多达40多种大语言模型供调用,其中Yi-34B-Chat模型API接口,可免费调用

3、讯飞星火认知大模型

讯飞    xinghuohttps://xinghuo.xfyun.cn/icon-default.png?t=N7T8https://xinghuo.xfyun.cn/,开放平台网址:讯飞开放平台-以语音交互为核心的人工智能开放平台科大讯飞推出的移动互联网智能交互平台,为开发者免费提供:涵盖语音能力增强型SDK,一站式人机智能语音交互解决方案,专业全面的移动应用分析;icon-default.png?t=N7T8https://www.xfyun.cn/,科大讯飞推出的新一代认知智能大模型

4、通义千问大模型

https://tongyi.aliyun.com/icon-default.png?t=N7T8https://tongyi.aliyun.com/,是阿里云推出的一个超大规模的语言模型

5、零一万物大模型

https://www.lingyiwanwu.com/icon-default.png?t=N7T8https://www.lingyiwanwu.com/,是零一万物是李开复带队孵化的AI2.0公司

6、Kimi月之暗面

https://www.moonshot.cn/icon-default.png?t=N7T8https://www.moonshot.cn/,2023年10月国内AI公司月之暗面(Moonshot AI)带来了首个支持输入 20 万汉字的智能助手产品

7、国内大模型比较

全球大型语言模型(LLMs)的发展为提高工作效率提供了多样化选择。国外模型如OpenAI的GPT系列和Google的Gemini在内容创作和搜索能力方面表现出色,而国内模型如ChatGLM和文心一言则在中文处理上具有明显优势。用户应根据具体功能需求和应用场景,选择适合的模型来优化工作流程。例如,对于需要多语言支持和强大搜索功能的任务,可以考虑使用国外的Gemini或GPT系列;而对于中文文本处理和理解,国内的ChatGLM和文心一言可能是更好的选择。通过合理利用这些模型的特点,可以有效提升工作效率和质量。

观摩智能风云,见证AI竞速盛宴

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1540251.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Collection与数据结构 数据结构预备知识(二):包装类与泛型

1.包装类 在Java中,由于基本类型不是继承自Object,为了在泛型代码中可以支持基本类型,Java给每个基本类型都对应了一个包装类.可以把包装类理解为基本数据类型所对应的引用数据类型. 1.1基本数据类型与对应的包装类 基本数据类型包装类byteByteshortShortintIntegerlongLong…

AJAX-综合

文章目录 同步代码和异步代码回调函数地狱解决回调函数地狱Promise-链式调用async函数和awaitasync函数和await-捕获错误 事件循环宏任务与微任务Promise.all静态方法 同步代码和异步代码 同步代码:逐步执行,需原地等待结果后,才继续向下执行…

LLM漫谈(五)| 从q star视角解密OpenAI 2027年实现AGI计划

最近,网上疯传OpenAI2027年关于AGI的计划。在本文,我们将针对部分细节以第一人称进行分享。​ 摘要:OpenAI于2022年8月开始训练一个125万亿参数的多模态模型。第一个阶段是Arrakis,也叫Q*,该模型于2023年12月完成训练&…

微软Microsoft Surface Go 2

1个小玩具 Microsoft Surface Go 2的评测结果出炉!它是目前最好的中端Windows 二合一笔记本平板。 外形简洁小巧,工作娱乐两不误。 它有多个版本。 我们测试的是配备8GB Ram和128GB SSD的Pentium 4425Y处理器(第8代)的型号。 S…

力扣242. 有效的字母异位词

思路:字母相互抵消的思路,本题字符串中只包含小写字母26位,那就新建record数组int[26],下标0-25,代表小写字母a-z, 需要通过 某字符减a 来达到这一目的; class Solution {public boolean isAnagram(String…

Oracle 使用OGG(Oracle GoldenGate) 实现19c PDB与MySQL5.7 数据同步

OGG 是一种基于日志的结构化数据复制软件,它通过解析源数据库在线日志或归档日志获得数据的增删改变化。 OracleMysqlIP address192.168.80.100192.168.80.16DB version19.2.05.7host nametempmysql OS version: CentOS 7.9 一,Oracle 服务…

[数据结构]二叉树(下)

一、二叉树的节点和深度关系 1.满二叉树 我们可以假设二叉树有N个节点,深度为h我们可以恒容易得到满二叉树每行的节点数,然后错位相减,算出节点与高度的关系。 2.完全二叉树 注意我这个是因为最后一行的节点数为1。 二、向上调整建堆和向下调整建堆的时…

NFT交易市场-后端开发

首先我们需要配置好我们的ipfs,参考官方文档 1.https://docs.ipfs.tech/install/command-line/#system-requirementshttps://docs.ipfs.tech/how-to/command-line-quick-start/#initialize-the-repository 首先新建一个文件夹 然后在终端输入npm init -y命令进行初…

【数据结构】顺序表习题之移除元素和合并两个有效数组

👑个人主页:啊Q闻 🎇收录专栏:《数据结构》 🎉道阻且长,行则将至 前言 嗨呀,今天的博客是关于顺序表的两道题目,是力扣的移除元素和合并有序数组的题目。 一.移除…

java selenium 元素点击不了

最近做了一个页面爬取,很有意思被机缘巧合下解决了。 这个元素很奇怪,用xpath可以定位元素,但是就是click()不了。 试过了网上搜的一些办法: //尝试一 WebElement a_tag driver.findElement(By.xpath("xxx")); a_tag…

今天聊聊新零售

一、什么是新零售? 2016年,在杭州举行的“云栖大会”上,马云发表了讲话,首次提出了“新零售”这一概念。 1.1 新零售概念 新零售,英文是New Retailing,新零售是对人货场的重构。人是消费者、销售人员、…

Linux:Jenkins全自动持续集成持续部署(3)

在上一章部署好了之后,还需要点击一下才能进行部署,本章的效果是:当gitlab上的代码发生了变化后,我们不需要做任何事情不需要去点击构建按钮,Jenkins直接自动检测变化,然后自动去集成部署Linux:…

jmeter参数化--CSV数据驱动

主要是用来接口测试正例反例测试。 http请求下添加csv数据文件设置 进行csv配置 1、首先创建csv文件 内容第一行输入变量名,逗号隔开 下面输入正常异常的测试值及对应的校验结果。 2、CSV数据文件配置 文件名路径选择上面创建的csv文件 编码选utf-8 变量名与csv…

【深度学习】四种天气分类 模版函数 从0到1手敲版本

引入该引入的库 import torch import torch.nn as nn import matplotlib.pyplot as plt import torch.nn.functional as F import torchvision import torch.optim as optim %matplotlib inline import os import shutil import glob os.environ["KMP_DUPLICATE_LIB_OK&q…

【数据挖掘】实验5:数据预处理(1)

实验5:数据预处理(1) 一:实验目的与要求 1:熟悉和掌握数据预处理,学习数据清洗、数据集成、数据变换、数据规约、R语言中主要数据预处理函数。 二:实验内容 【缺失值分析】 第一步&#xff1…

Python工具-清理Unity(批量深度)清理U3D项目工程保留关键工程文件

前沿 1. Unity工程越来越多,很久不用的工程里存在了很多无用的大文件夹,极大的影响电脑容量。 2. 我电脑里面U3D工程只有17个,但容量就高达60GB,使用自己编写的工具清理后,减到了30GB多。清理了不是很重要的文件和文件…

2024-03-22 问AI: 介绍一下深度学习中的 sigmoid函数

文心一言 Sigmoid函数是深度学习中常用的一种激活函数,主要用于将神经元的输出值压缩到0和1之间。这种特性使得sigmoid函数在二分类问题中特别有用,因为输出值可以被解释为属于某个类别的概率。 sigmoid函数的数学表达式为: σ(x) 1 / (1…

Notepad++ 如何调整显示字面大小

在 Notepad 上,可以使用 ctrl 加上鼠标的左键来滚动来进行调整。 如何恢复默 可以使用 Ctrl 加数字键盘上的 / 键 来恢复默认设置。 当然也可以通过菜单栏上 view 菜单下的 Zoom 选项。 上面的界面中可以看到我们的在 Notepad 中使用的选项。 Notepad 如何调整显示…

llvm后端

SelectionDAGBuilder是LLVM(Low Level Virtual Machine)编译器中的一个重要组件,它负责将LLVM中间表示(Intermediate Representation,IR)转换为SelectionDAG(选择有向无环图)的形式。…

RabbitMq高可用

消息队列高级 服务异步通信-高级篇1.消息可靠性1.1.生产者消息确认1.2.消息持久化1.3.消费者消息确认1.4.消费失败重试机制1.5.总结 2.死信交换机2.1.初识死信交换机2.2.TTL2.3.延迟队列 3.惰性队列3.1.消息堆积问题3.2.惰性队列 4.MQ集群4.1.集群分类4.2.普通集群4.3.镜像集群…