全球大型语言模型(LLMS)现状与比较

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.rhkb.cn/news/283607.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【Java】Map和Set

文章目录 一、Map和Set的概念二、模型三、Map的说明3.1 Map.Entry<K, V>的说明3.2 Map 的常用方法 四、Set的说明4.1 Set的常用方法 一、Map和Set的概念 Map和set是一种专门用来进行搜索的容器或者数据结构&#xff0c;其搜索的效率与其具体的实例化子类有关&#xff0c…

redis和rabbitmq实现延时队列

redis和rabbitmq实现延时队列 延迟队列使用场景Redis中zset实现延时队列Rabbitmq实现延迟队列 延迟队列使用场景 1. 订单超时处理 延迟队列可以用于处理订单超时问题。当用户下单后&#xff0c;将订单信息放入延迟队列&#xff0c;并设置一定的超时时间。如果在超时时间内用户…

Ollama 运行 Cohere 的 command-r 模型

Ollama 运行 Cohere 的 command-r 模型 0. 引言1. 安装 MSYS22. 安装 Golang3. Build Ollama4. 运行 command-r 0. 引言 Command-R Command-R 是一种大型语言模型&#xff0c;针对对话交互和长上下文任务进行了优化。它针对的是“可扩展”类别的模型&#xff0c;这些模型在高…

CTF题型 Http请求走私总结Burp靶场例题

CTF题型 Http请求走私总结&靶场例题 文章目录 CTF题型 Http请求走私总结&靶场例题HTTP请求走私HTTP请求走私漏洞原理分析为什么用前端服务器漏洞原理界定标准界定长度 重要!!!实验环境前提POST数据包结构必要结构快速判断Http请求走私类型时间延迟CL-TETE-CL 练习例题C…

代码随想录阅读笔记-栈与队列【用栈实现队列】

题目 使用栈实现队列的下列操作&#xff1a; push(x) -- 将一个元素放入队列的尾部。 pop() -- 从队列首部移除元素。 peek() -- 返回队列首部的元素。 empty() -- 返回队列是否为空。 示例: MyQueue queue new MyQueue(); queue.push(1); queue.push(2); queue.peek(); …

GPT实战系列-智谱GLM-4的模型调用

GPT实战系列-智谱GLM-4的模型调用 GPT专栏文章&#xff1a; GPT实战系列-实战Qwen通义千问在Cuda 1224G部署方案_通义千问 ptuning-CSDN博客 GPT实战系列-ChatGLM3本地部署CUDA111080Ti显卡24G实战方案 GPT实战系列-Baichuan2本地化部署实战方案 GPT实战系列-让CodeGeeX2帮…

docker仓库登录及配置insecure-registries的方法

docker仓库登录及配置insecure-registries的方法 这篇文章主要介绍了docker仓库登录配置insecure-registries的方法,docker客户端如果配置中添加了insecure-registary配置&#xff0c;就不需要在docker 客户端配置上对应证书&#xff0c;如果不配置要在/etc/docker/certs.d/目…

vue3与Electron构建跨平台应用(webpack)

一、创建vue3项目 vue create vue3_webpack_electron 二、安装Electron npm install --save-dev electron Electron 三、vue add electron-builder vue add electron-builder

优维全面可观测产品能力分解⑥:运维状态可观测

本文是《优维全面可观测产品能力分解》系列文章的第六篇&#xff1a;『运维状态可观测』。基于可观测的数据体系&#xff0c;「运维状态可观测」是实现于运维状态的一次深入可观测。 在日常运维场景中&#xff0c;系统/应用运维人员重点关注的是系统/应用是否可用&#xff0c;…

视频素材库哪个好?这8个短视频相关的优质素材网推荐看看

在这个数字化时代&#xff0c;视频内容的创作变得前所未有地重要。无论是短视频的快速制作&#xff0c;还是专业影片的精心编辑&#xff0c;找到合适的素材资源是每个视频创作者的基本需求。从高清视频片段、无水印的图片&#xff0c;到富有情感的音效&#xff0c;以下精选的网…

LeetCode---126双周赛

题目列表 3079. 求出加密整数的和 3080. 执行操作标记数组中的元素 3081. 替换字符串中的问号使分数最小 3082. 求出所有子序列的能量和 一、求出加密整数的和 按照题目要求&#xff0c;直接模拟即可&#xff0c;代码如下 class Solution { public:int sumOfEncryptedInt…

《剑指 Offer》专项突破版 - 面试题 88 : 动态规划的基础知识(C++ 实现)

目录 前言 面试题 88 : 爬楼梯的最少成本 一、分析确定状态转移方程 二、递归代码 三、使用缓存的递归代码 四、空间复杂度为 O(n) 的迭代代码 五、空间复杂度为 O(1) 的迭代代码 前言 动态规划是目前算法面试中的热门话题&#xff0c;应聘者经常在各大公司的面试中遇到…

JAVA——volatile,wait,notife

文章目录 volatile关键字简识jvm内存模型内存上的优化问题的产生volatile的作用 wait&#xff08;&#xff09;wait()的作用 notify&#xff08;&#xff09;notify的唤醒顺序 volatile关键字 volatile关键字可以保证内存的可见性&#xff0c;什么是内存的可见性呢&#xff1f…

Jenkins中支持maven构建遇到仓库报错问题

目的 Jenkins中支持maven构建(Jenkins使用docker安装&#xff09; 问题 1.构建一个maven项目 2.执行报错 /var/lib/jenkins/local_maven_repo/com/sx/root/1.0.4/root-1.0.4.pom.part.lock (No such file or directory) Failed to transfer Could not transfer artifact co…

Unity发布webgl之后打开PDF文件,不使用js,不和浏览器交互

创建一个按钮&#xff0c;然后点击就会打开 在webgl下要使用这样的路径拼接&#xff0c;不然就会报错。 btnBook.onClick.AddListener(() >{var uri new System.Uri(Path.Combine(Application.streamingAssetsPath "/Books", "文档.pdf"));Debug.Log…

是德科技keysight N1912A双通道功率计

181/2461/8938产品概述&#xff1a; Keysight(原Agilent) N1912A P系列双通道功率计可提供峰值、峰均比、平均功率、上升时间、下降时间、最大功率值、最小功率值以及宽带信号的统计数据。 Keysight(原Agilent) N1912A P系列双通道功率计, 可提供峰值、峰均比、平均功率、上升…

53、Qt/信号与槽、QSS界面设计20240322

一、使用手动连接&#xff0c;将登录框中的取消按钮使用qt4版本的连接到自定义的槽函数中&#xff0c;在自定义的槽函数中调用关闭函数 将登录按钮使用qt5版本的连接到自定义的槽函数中&#xff0c;在槽函数中判断ui界面上输入的账号是否为"admin"&#xff0c;密码是…

机器学习 - 训练模型

接着这一篇博客做进一步说明&#xff1a; 机器学习 - 选择模型 为了解决测试和预测之间的差距&#xff0c;可以通过更新 internal parameters, the weights set randomly use nn.Parameter() and bias set randomly use torch.randn(). Much of the time you won’t know what…

二叉树|112.路径总和

力扣题目链接 class Solution { private:bool traversal(TreeNode* cur, int count) {if (!cur->left && !cur->right && count 0) return true; // 遇到叶子节点&#xff0c;并且计数为0if (!cur->left && !cur->right) return false; …

程序员表白

啥&#xff1f;&#xff01;你说程序员老实&#xff0c;认真工作&#xff0c;根本不会什么表白&#xff01;那你就错了&#xff01;(除了我) 那今天我们就来讲一下这几个代码&#xff01;赶紧复制下来&#xff0c;这些代码肯定有你有用的时候&#xff01; 1.Python爱心代码 im…