粉丝3.2万获赞47.3万

哈喽,各位小伙伴们好呀,今天给大家做两款 ai 三 d 的 生成工具的实测对比,他们分别是腾讯火焰三 d 和 turbo 三 d, 这两款呢也是目前市面上比较常用到的 ai 生成工具了。 本次测试呢,我将采用一张猫咪的例会来生成它的三 d 模型。首先我先用腾讯火焰三 d 生成,那么腾讯火焰三 d 呢,它是支持八个不同的方位的矢图, 我们进行深层一下。然后我们再来看一下翠柏三 d, 翠柏三 d 呢,它的多视图功能的话,只是支持四个视角,所以说单同多视图来看的话,腾讯混三 d 会更有优势一些。我们看一下它的深层效果, 整体的表现是蛮不错的,和这个意会的契合度是很高,表情也是蛮还原,细节处理的话还是蛮到位的,尤其是这个毛皮的纹理,我觉得质感是特别好。接着的话就是腾讯混元三 d 深层出来的模型, 整体的轮廓和这个例会的匹配度也没有问题,只是它的风格的质感没有这么突出,可能在这个预设里面呈现的效果会弱一些。 我把这两个模型放到 u e 里面去做一下对比,左侧的话是腾讯火焰三 d 生成出来的,而右侧的话就是 triple 三 d, 两者的整体的造型大差不差,但是细节有明显的区别。 triple 三 d 的, 它的猫咪的这个表情是更加生动一点, 它的毛皮啊细节是更加细腻。腾讯火星三 d 呢,它的表现更加的规整,比较偏简洁一些。总体来说的话,两款工具的基础深层效果都很在线。不过要说明点是,本次的猫咪历会是一个简单的测试, 还没有测试到一些复杂的物件等等。最后我也是想说一下腾讯火星三 d, 它是目前是免费使用的模式,那么大家觉得这两款 ai 的 三 d 工具哪一个表现更合你的心意呢? 在评论区里留言讨论一下。那么今天的分享视频到这也就结束了,我是旮旯日记,咱们就下期视频再见!拜拜!

如何抓住腾讯会员 high 三 preview 带来的技术红利?看完视频直接上路!腾讯最新大模型会员 high 三 preview 直接冲上全球 api 掉用量排行榜第一名,把一众国外顶尖模型直接甩在身后。这不仅仅是一个新闻,更加是一个信号, 一个普通人也能轻松用上超级智能体的时代已经来到了我们身边。一、会员 high 三 preview 到底是什么?它到底能帮我们做什么呢?二、我们普通人如何使用它? 三、我们又该如何借助他搞钱呢?一个视频给你解个透,在开始前先放个深水炸弹。我们推出了请护 o p c 社区,只在聚集更多艺人、公司、创业者,感兴趣的朋友留下 o p c 三个字母。现在开始。一、会员 hi 三 preview 到底是什么?他到底能帮我们做什么? 简单来说,他就像一个能力超强,还特别懂你的全能助理,以前写周报、写文案,憋半天,写出来一股机器味。他还是个处理复杂任务的能手, 面对上百页的财报,几十万字的专业书,你直接丢给他,几分钟就能帮你提炼出所有核心要点和风险。想对比不同平台的手机价格,它自动帮你搜索,整理成清晰的表格,连哪里买最划算都能给你标好。甚至在和平精英这类游戏里, 那些 ai 角色的对话也因为它变得更真实、更聪明,玩起来沉浸感十足。二、我们普通人如何使用它呢?你根本不需要去研究什么复杂的代码,打开你的腾讯元宝 app, 或者在 qq 里找到 ai 助手小 q, 甚至是在腾讯文档里用 ai 做 ppt, 背后都是这个新模型在提供支持。 三、那我们又该如何借助他搞钱呢?你可以利用他超强的编程和工具调用能力,去接一些网站开发小程序制作的外包,单一个人就能干一个团队的活。你也可以用它快速消化海量的行业报告和书籍,制作成短视频脚本或图文内容,在自媒体平台上做知识博主。 甚至你可以利用他出色的角色扮演能力去创建受欢迎的虚拟角色,提供情感陪伴服务。点赞、收藏加关注,请护前沿,管世界,前沿在线带你抓住时代红利!

你敢信全球最牛的 ai, 连你家的家庭群都搞不定?最近腾讯发了一个新的 ai 测评报告,叫 clbenchlife, 测了十二个顶级大模型,包括 gpt 五点五、 cloud, 还有咱们国产的会员,结果怎么样?平均只能解决百分之十四点五的真实任务,百分之二十二,这还是表现最好的 gpt 五点五 high 的 成绩。 听到这,你可能觉得不对啊, ai 不是 已经很强了吗?叉七, gpt 都能写论文写代码了,怎么连日常生活都搞不定? 关键问题在于, ai 缺的不是知识,而是生活上下文。 context 说白了,他能背完整本百科全书,但你让他帮你理清周末家庭聚餐到底谁去,谁不去,他就懵了。 所以腾讯混元就干了件事,他们推出了 cl bunch life 这个新机制。注意,它不是 cl bunch 更难版本,而是互补的,专门测试 ai 在 日常生活场景中的理解能力。 这个机制包含四百零五个真实任务,五千三百四十八条人工评分标准,覆盖三大类别。下面两条,先把任务体量与评分细则说清楚。 第一,沟通与社交互动。比如帮你理清亲友群里的出行安排,搞清楚谁说了什么,答应了什么。第二,碎片信息与修改轨迹。你从文件传输助手里翻出一堆散落的链接,他要帮你拼凑出完整的产品规划。 第三,行为记录与活动轨迹。比如从你每天的运动打卡记录里分析出你最近为什么老是受伤。听起来都是咱们每天会遇到的事儿,对吧? 那 a a i 到底错在哪了?报告里提到了一个核心问题, context message 翻译过来就是上下文,勿用 说人话。就是模型看到了这些信息,但理解错了或者用错了。最典型的场景就是群聊 报告里有个案例, alice, brenda, clara 三个人在一个群里聊周末出行,结果模型直接搞混了,谁是谁?谁说了什么话,谁答应了什么事, 听起来是不是很熟悉?没错,群聊里最常见的错误就是角色混淆和说话人归因错误。 说白了, ai 分 不清 a 说的这句话是在回应 b 还是在回应 c。 这事看起来简单,但恰恰是这种对细微人际关系的理解,才是聪明和真正有用之间的鸿沟。 所以啊,现在 ai 的 能力边界比我们想象的要清晰得多,他能帮你写方案,但可能搞不定,帮你理解你妈在家族群里那条消息到底什么意思。这不是技术不行,这是真正的智能化才刚刚开始。好,以上就是今天的内容, 你觉得日常生活里最难被 ai 理解的是什么?家庭群聊天?还是备忘录里的碎碎念?评论区聊聊?别忘了点个赞,咱们下期见!

朋友们,上周末的四十八小时,中国 ai 圈发生了三件大事。四月十六日,阿里云正式发布世界模型 happy oyster。 同一天,腾讯宣布开源混元三 d 世界模型二零 四月十七日,群和科技登陆港交所,成为全球空间智能第一股,上市首日暴涨百分之一百四十四。三家巨头在短短四十八小时内,完成从技术发布到资本验证的集体亮相,释放出一个明确信号,世界模型赛道正从技术探索迈向商业化临界点。 世界模型到底是什么?一句话,它是让 ai 从会说话进化到懂物理的关键一步。理解这件事,就能看懂中国 ai 产业正在发生什么。第一,阿里腾讯群合四十八小时三件大事 阿里币源押注抢占世界模拟器入口四月十六日,阿里云正式发布世界模型 happy oyster, 被定位为世界模拟器,而非单纯的视频生成工具。它采用原生多模态加长持续建模技术路线,可实现一分钟连续漫游和三分钟以上画面生成, 与此前的投资形成战略闭环。阿里刚领投生树科技二点九亿美元,生树科技开发的 video 是 全球前十的 ai 视频生成模型。 这部棋的逻辑很清晰,阿里要把世界模型打造成云端 ai 的 新底座,让未来的机器人、自动驾驶、影视制作全都跑在自己的云上。腾讯开源破局抢占开发者生态同一天,腾讯混元团队宣布开源 hion 三 d 二点零。 与阿里闭源路线相反,腾讯选择开源,并支持与 unity 等游戏引擎无缝对接,生成的三 d 资产文件可直接用于二次编辑开源策略指向 b 端,场景游戏开发、影视寓演。只要开发者用了腾讯的开源工具,就离不开它的生态 群和商业化先行资本验证。四月十七日,群和科技登陆港交所,与前面两家不同,群和已经跑通了商业闭环。 二零二五年营收八两亿元,毛利率高达百分之八十二点二,经调整净利润五千七百一十万元。公司围绕空间智能,构建了空间编辑工具、空间数据、空间大模型的飞轮,积累的物理正确空间数据是短期无法复制的。护城河 上市首日涨百分之一百四十四,市值突破三百亿港元。三家的路径恰好在技术、生态、商业三个维度实现了互补。 第二,世界模型为什么是 ai 的 下一站?为什么巨头们突然集体转向世界模型?回顾一下,叉 gpt 代表的是语言大模型时代, ai 能从文本中学习语言规律,但他不懂物理。你问他把水杯推到桌子边缘会发生什么,他能回答出水杯会掉下去。 这是从训练数据中背下来的,不是真正理解的。世界模型要解决的就是这个问题,它要让 ai 通过视频、三 d 场景、物理交互数据,真正理解空间关系、因果规律、物理属性。举个例子, 保洁机器人遇到折断的树枝,如果没有世界模型,它只会识别出没有预设定义的物体,然后停下来报警。但有了世界模型,它能理解材质物理特性,预判可以轻推通过,还是必须绕行,保持连续作业,这就是本质区别。 语言模型让 ai 背答案,世界模型让 ai 想答案,行业数据也能说明热度。今年以来,国内发生二十五起事件。模型让 ai 想答案,行业数据也能说明热度。今年以来,国内发生二十五起事件。融资事件,融资总额超二十二亿元。 李菲菲创立的世界模型公司二月刚完成十亿美元融资,杨立坤的初创公司 ami 也融资超十亿美元。一位 ai 创业者评价,世界模型是通往物理 ai 的 必经之路, 属于具深智能的 chat gpt 时刻即将来临。第三,对中国 ai 产业意味着什么?关键是放在一起看,能看清中国 ai 产业正在发生的三个深刻变化。变化一, 竞争焦点从文本转向空间。过去两年大模型赛道拼的是语言理解能力,现在战场正在转向让 ai 看懂和模拟物理世界, 谁能率先在空间智能上建立壁垒,谁就能在下一代人机交互中占据主动。变化二,商业化路径开始分化。阿里的闭源路线压住云端基础设施,腾讯的开源路线抢占开发者生态群合的垂直深耕,已经跑通了盈利模式。 三条路径都在证明,世界模型不是纯烧钱的科研项目,而是可以找到商业变线路径的产业。赛道。变化三,资本验证已经完成,群合上市首日涨百分之一百四十四,超额认购一千五百九十一倍,说明资本市场对空间智能这条赛道给出了真金白银的认可。 当技术蓄势与资本验证同步完成,世界模型就不再是概念,而是实实在在的产业方向。 最后说句实在的,回到开头那个问题,世界模型迎来 chat gpt 时刻了吗?从技术突破和资本热度看,确实在接近那个临界点。但与 chat gpt 不 同, chat gpt 是 消费级的,每个人都能用。 世界模型首先是工业级的,现在自动驾驶、工业机器人、游戏开发等 b 端场景落地,它不会像 chat gpt 那 样一夜之间全民刷屏,但它的产业影响可能更加深邃。 阿里压住基础设施,腾讯抢占开发者生态群,合用商业闭环验证价值。中国 ai 产业正在用一种差异化竞争的方式,冲向 ai 的 下一个主战场。 当 ai 真正开始懂物理,这场变格才刚刚开始。风险提示,以上内容仅为公开信息整理与行业趋势分析,不构成任何投资建议。市场有风险,投资需谨慎。

腾讯会员世界模型一点五刚刚发布,仅需要通过文字描述和图片即可创建专属的互动世界,逻辑就是你只要通过图片,它可以自己的去让你左右上下的走动, 然后逐渐的深沉下一步的方向。那这个呢,是自今年七月份会员三 d 一 点一更新完之后的新一代的会员产品,而且发布即开源。总来说呢,腾讯在 ai 的 直播机模的厂商中呢,最近是稍微有点落后,所以 漯河玩家他打法就是出了模型就得开源。反而呢,最近阿里的千万做的很好,那我稍微分享一下,什么是实验模型?实验模型呢,其实有很多的理解, 不同的厂商对 model 这个概念其实理解也不太一样,市场上的总来说分两类,一类呢是基于视频帧的,预测下一帧 是什么。另外一类呢,是基于三 d 空间的,就是会准确的去确定三 d 的 结构,它准确性比他的预测下一帧更重要。 里面有很多很有意思概念,我也可以简单的跟大家去做点中述,比如说前 matea ai 的 对家 in the cool, 把世界模型比作成人脑中的分区和内部的 representation, 这也是他觉得为什么世界模型比大元模型更重要,他不是一个硬核学者,而是去理解真理世界。这 逻辑呢,其实跟李飞飞的 world labs 的 想法是类似,那英伟达呢,其实是将世界模型的定义为理解现实世界中物理规则跟空间特征的神经网络。那英伟达呢,曾经一直在做 digital twin, 就是 希望模拟现实生活中的每个走向,其实这个也是英伟达对世界模型的理解,世界模型为什么变得很重要,也有三个原因,就像伊利亚说的,大圆模型的 skyline 已经到顶了, 所以呢,语言毕竟是有损压缩语言 base 的 智能呢,进行进一步拓展是有局限的。第二个点呢,就是最新的一些技术的框架算法的进步呢,让世界模型成为可能性,包括呢, autoregressive transformer 与 diffusion 模型进化出来的 d i t, 让深层式 diffusion 模型 跟理解的 transform 模型呢,效果有效,结合对多模态的理解,跟多模态的深层呢,是二者合一了。第三呢,就是具生智能的需求的倒闭,因为无论是机器人还是 to taxi, 对 于世界的理解非常重要,需要一个高保真的虚拟世界。最近呢,有一个有意思的研究方向,叫做 self bouncing, 这款呢,我们公司也在尝试,它的想法呢,也很有意思, 就是一种通过自回归视频扩散模型的训练范式,在训练阶段让模型像推理式那样基于自己深层的输出进行下一帧的预测,而不是对于多么太理解,从而呢消除了训练跟测试阶段分布的不匹配的问题。这个效果呢,其实我们训练完之后,让我们的模型的速度加快了很多, 在这一系列的综合能力的提升上呢,我们看到很多的公司呢,都尝试在视觉模型上有自己的建树,这里面也分为四个象限,分别是以预测下一帧为主的 pixel based video, 就是 像素级预测以及三 d based structure, 就是 更加模拟世界。以及呢,针对给 agent 使用或者是给员内使用,比如说学飞的 world labs 和游戏公司 odyssey 呢,它其实更像三 d based structure for human 啊, 是三 d 的 模拟世界,为人类使用。 decant 就是 另外一家游戏公司,更多呢是基于人类的一个 pixel based video, 作为他做三 d 的 虚拟游戏的。那 for agent 就 for ai 的 呢?比如说三 d based structure 呢?更多是比如说英伟达的 cosmos 跟 tesla, 很好理解,他们针对机器人和无人驾驶做的一个世界模型。 pixel based video for agent 呢,有一家公司叫 general institute, 所以呢,不同的玩家在这里面都有非常好的表现。那混元的世界模型呢,其实也含有了一些好的流量的切入点,我们也期待着基于世界模型的场景里面找到一些好的流量的切入点。

很多人都在抱怨 token, 也就是算力太贵,选择模型的标准是看哪个模型的 token 便宜。但我最近听了一位行业大咖的访谈,他的观点非常直觉。他说,如果你不使用最贵的模型,在 token 上花足够多的钱,你一定会在竞争中失败。这个大咖名叫 dylan patel, 他 是美国一家非常著名的半导体研究机构三面 analysis 的 创始人兼首席分析师。他们公司的主要业务是做半导体以及相关行业的数据研究和咨询。为什么他认为用最贵的模型反而更划算呢? dylan 用他自己公司来举例。他说,去年他以为自己公司已经是 ai 重度用户了,公司里每个人都用 chpt cloud, 想要什么订阅公司都买,那时候一年 ai 花费也就是几万美元。结果今年完全变了,他和 astropic 签了企业合同,现在他们公司在 cloud co 的 年化花费已经达到了七百万美元。 注意,不是七万美元,是七百万美元,而他们公司的工资支出大概是两千五百万美元。也就是说, ai token 的 花费已经超过公司支出的百分之二十五了。狄仁说,如果这个趋势继续下去,到年底 ai 花费甚至可能超过公司支出。 主持人问,作为老板,你不心疼吗?你为什么愿意在 token 上花这么多钱呢?狄仁说,心疼肯定是心疼的,但没办法, 因为这些 token 真的 能干活,而且能干过去一个团队才能干的活。他举了一个例子,他们公司有一个芯片逆向工程实验室, 用各种高端显微镜去分析芯片结构,识别里面的材料。过去这类工作很慢,需要专业团队去做。结果他们团队里一个人用几千美元的 token 就 做出了一个应用。你把芯片图像输入之后,这个应用就能自动帮你标出这里是铜,这里是褶,这里是箍。 这些标注还能叠加到芯片图像上,做可识化仪表盘,甚至支持后续分析。这个人以前在英特尔工作过,他说这以前在英特尔是一整个团队才能开发和维护的系统。现在一个人几千美元 token 就 做出来了。第二个例子更夸张, sammi nilesis 想做能源数据服务,这个市场大概九亿美元,他们做了一年,没有做出太大的突破。后来公司里一个人开始疯狂用 colocode, 迪伦说他一天就能花六千美元。 token 听起来很吓人对吧?但结果是 三周时间,他抓取了美国所有发电厂的输电线路以及大量需求测数据,做出了一个美国电网地图系统。这个系统可以看到不同地区的电力盈余和缺口,还 能做交互式仪表盘。他们拿给一些能源交易客户看,对方说这个东西很强,甚至比某些专业能源数据公司做的都好。 要知道,那些传统的能源数据公司的产品,都是一百个人团队做了十年。所以低论的结论很直接, ai 很 贵,但如果我不用 ai, 别人就会用 ai 淘汰我。他说, ai 会让很多信息服务变得不值钱,但那些更快采用 ai、 更快升级产品、更好服务客户的公司,不但不会被淘汰,反而会增长得更快。 所以在 dylan 看来, token 是 成本,但它更是新的生产力杠杆,只要任务足够有价值,在 token 上花钱是非常划算的。而且 dylan 分享了一个行业观察,他说,虽然 g p t 四级别的模型已经变得很便宜,但用的人反而不多,大家更想用的、更有经济价值的,反而是更贵的、最前沿的模型。 为什么呢?因为便宜的模型只能让旧任务成本下降,但新的前沿模型会让你能做以前根本做不了的事。这就像以前,你用 ai 写邮件当然有价值, 但现在你可以让 ai 写代码、做研究、建系统、跑数据、做产品原型工作,产出的价值完全不是一个量级。而且更贵的 token 可能反而会让总成本更低。为什么呢? dylan 以 anastropic 最新的 missiles 模型举例,这个模型单个 token 的 价格高到离谱, 但因为它更聪明,完成同一个任务需要的 token 更少,所以在很多任务上实际成本反而更低。这非常反直觉,但我听过不止一个行业大咖说过这个观点。 siri 还设想了一个场景,他说,如果华尔街大佬,比如 celtic 的 老板 ken griffin 给 ansopec 拍一百亿美元,说你们每次发布新模型,先把最早、最强、最充足的 token 给我用。如果这种事发生, celtic 这样的机构就可能在金融市场里形成巨大的优势,因为它们可以比竞争对手更早用上最强的模型,从而可以更快做研究、更快分析信息、更快交易、更快迭代策略。 所以你看,普通的公司考虑的是 ai 的 成本,但各个行业的领头羊考虑的都是如何用更先进的 ai 进一步扩大领先优势,从而带来更大的收入和利润。 我个人认为,领头羊们的逻辑其实才是对的。在这种对更先进模型的强烈需求下,模型的进步速度也变快了。因为模型越强,能做的事就越多,能做的事越多。 tucker 需求越大, tucker 需求越大,模型公司就有更多的收入去买算力训练更强的模型,这就是一个飞轮。 因此,狄仁认为对前沿模型和 token 的 需求只会越来越大。那问题来了,这对供给端意味着什么呢?狄仁的观点是, 随着需求飙升,供给端所有东西都会持续涨价。注意,不只是 gpu, 是 所有东西。首先, gpu 确实在涨价,而且使用寿命被拉长。 过去有人认为 gpu 的 折旧周期应该是五年,但狄仁说这是胡扯,现在很多三四年前的 hopper 基群都续约了三四年,就连更早的 a 一 百基群也在续签。这就意味着 gpu 的 经济寿命可能不是五年,而是七年八年。 如果 gpu 的 使用寿命更长,同时虚约价格还在涨,那云厂商真实毛利率会比大家想象的更高。其次,很多看起来不起眼的小环节 也都变得很值钱。狄伦说,连 pcb 用的铜箔都卖光了,居然有人用预付款来抢供给。还有玻璃纤维、激光器、光学原件、半导体设备零部件等等,这些东西过去很冷门,但只要他们卡在 ai 技术设施的链条上,就会突然变得很值钱。聊到这里,狄伦的完整结论就出来了,第一,未来的公司竞争 可能不是人和人的竞争,也不是简单的模型和模型的竞争,而是谁能拿到更多更聪明的 token, 并把这些 token 用在更高价值的任务上。对公司个人来说,问题已经不是你会不会用 ai, 而是你能不能用更多的 token 创造更多的价值,并且捕获这部分价值。第二,对 token 需求的增长速度远远超过供给端的扩展速度,供不应求的结果就是涨价,而涨价的结果就是非 ai 的 需求。比如消费电子就会面临因为缺乏零部件无货可卖的尴尬, 未来很多消费电子公司甚至会面临生存危机。注意啊,以上只是我对 dylan 访谈的理解,不构成任何建议。你觉得 dylan 这套 token 的 供需逻辑成立吗?你认为未来最缺的是 gpu 存储、电力,还是最聪明模型的访问权?欢迎在评论区聊一聊。

今天腾讯突然上新了一个模型,名字叫汇源 h y 三 pre view, 这个是去年下半年腾讯花重金从 open a 把天才少年姚顺宇挖过来之后呢,他交出的第一份答卷所说呢,也比较受市场的关注。 姚顺宇呢,本身也是顶尖的这个语言智能体研究者,他是一九九八年的,挺厉害的一个小伙子。那这个模型叫汇源 h y 三 pre view, 官方给出来的定位呢?它是一个快慢思考融合的混合专家模型。 那多说没用,咱们直接测试一下。先给一个经典的问题,就是我要去洗车行洗车,那我离洗车行只有一百米,我是走路去还是开车去?不要小看这个问题,之前 deepsea 是 出错的,那咱们可以看一下这个 h y 三给出的答案是非常正确的, 咱们再加强一下难度,那我再让他去抓取一下今年三月份国内电商各大平台的服装品类的数据,那最终他给出来了一个这样一个答案,说实话是比较一般的, 为什么这样讲呢?就没有对比,没有伤害。我又把同样的问题让这个智普的 vvt turbo 给去跑了一遍。那咱们看一下智普 vvt turbo 给出的答案, 还是看出来它是比这个腾会员 h i 三好很多的,所以说这也符合腾讯在我心里的定位。呃,腾讯在我心里面,它目前属于国内厂商里面的第二梯队的,它属于一个追赶的一个阶段,那这也是姚盛义过来的目的就是干这个事情。 那最后呢,咱们再说回来,就是昨天我刚说完,我说今年这个四月份是国内外厂商模型上新的一个小高峰,结果今天这个腾讯就发布了新模型。 呃,我年初也说过,年初的时候我说今年的 ai 的 节奏呢,会比过去两年快很多,从这个四月份就能够看出来,你要知道去年上半年其实基本上没有什么太大的这种新闻的。 最后呢,我还是在期待 deepsea 的 微视,我相信很多人也跟我一样在去期待啊。今天是二十三号了,我估计应该也有这几天吧,说不定冷不丁的明天就出来了,对不对?让我们一起去期待吧。

最近啊,我看了卡布奇奇大神的一篇推文,真是深有感触,他说随着 ai 的 发展,人们对于 ai 的 认知差变得越来越大。这篇推文主要说什么呢?他是说现在使用 ai 的 人大致分为三类。第一类呢,就是使用的免费豆包 gpt, 他们会觉得 ai 很 蠢,解决不了什么实质性的问题。而第二类人呢,就是花钱订阅了最先进的模型,但是他们使用功能还是最经典的搜索写作,他们会觉得 ai 虽然变聪明了,但是对于自己好像没有实质性的提升。 而第三类人呢,就是花钱订阅了最先进的大模型,利用它来编程,研究数学以及研科研领域,他们会觉得 ai 非常强大,有非常强大的竞争力。这三类人呢,在网上吵得不可开交。 所以说呢,我今天呢,就做了这期视频,来帮助小白朋友们想用 ai 又不知道从何下手的人来快速进入 ai 的 世界。 首先呢,我给大家来介绍一下大模型的分类,像我们经常使用的豆包啊, deepsea, 它就是一种大模型。 第一种呢,是语言生成类,它就像一个高级的百度啊,可以帮我们写一些呃,总结啊,周报,处理一些文字类型的工作。而第二种呢,就是语言生成类,它可以啊,生成一些语音,而且是富有感情的语音。 像我们用的 qq 音乐以及网易云音乐,里面有很多歌曲都是 ai 制作的,它用的就是这种语音生成模型,可能有时候听起来比人做的还要好。 而第三种呢,就是图像生成类,图像生成类呢,你可以让它做一些非常精美的海报啊,电商宣传图,这边我给大家看一个案例, 左边呢是我实拍的一张花露水的照片,看起来非常土啊,然后我交给 ai, 我 让他帮我做成一张产品宣传海报,要高级感一点, 然后大家可以看看右边,右边他就做出来一张海报,非常漂亮精美,这个就实际上解决了我们一些电商宣传的问题啊。 而第四类的模型呢,就是视频生成类,像我们目前现在看到的 ai 短剧啊,以及 ai 虚拟人物带货啊,都是这类模型生成的。最后一种啊,就是多媒体大模型,这是前面几种的功能,它都有, 他就是样样都略懂一点吧,但是其实样样都懂,样样都不精。我们大模型用久了之后呢,很多人就会感觉他好像就是一个聊天框,他可以给你很多办法,但是他不能帮你完成,所以说后来就出现了 a 检测工具, 就像最近很火的小龙虾和爱马仕,一句话总结,他们有什么功能呢?就是你用电脑能干的活,能完成的工作,他理论上他也能帮你完成,那谁不想要一个这样的电子牛马呢? 但是你实际所用下来呢?小龙虾包括爱马仕呢?他只能完成日常的工作,过于复杂的任务呢,还是需要人为参与。 就像你公司招了一个新人,你至少要给他做一些简单的培训吧,他在工作的途中,你要及时的参与,给他指明方向,他才能完成复杂的目标,对不对? 而 ai 编程软件呢,这些软件是专注于编程的一些软件,我相信有很多程序员早就开始在用了, ctrl ctrl 叉,只要你说出你的需求,他就可以帮你写好代码,你自己只要进行审查就行。 接下来呢,我给大家介绍一下这个大模型是怎么接入到像小龙虾,爱马仕这种工具里面去的。 一般呢,我们是通过 api 的 方式, api 是 什么意思呢?就相当于我们去饭店里面吃饭,好,我们点了几个菜,我们只要把这个需求啊告诉这个服务员,服务员会告诉后台,最后他直接把菜给我们端上来啊,这个服务员啊就相当于一个 api, 他 就是一个中转的一个作用, 而和 api 相紧密的一个词呢,就是 api key, 这这个呢也就是我们使用的最多的一个词。 api key 是 什么意思呢?在实际的使用过程呢,假如说我很喜欢小米的模型,我觉得它很聪明, 然后我这就在小米的模型里面让它给我一个 api key, 它通常啊是一串英文,我拿到这个 api key 之后呢,它就相当于一个取叉码,我随便在任何一个工具里面,像小龙虾,爱马仕或者是 code 叉里面,我把这个 api key 填进去,然后我就可以使用小米的服务了。 最后呢,我建议所有的小白朋友们,如果你在二零二零年想真正的使用上 ai, 你 完全可以拿出自己每个月工资的百分之五到百分之十去订阅一个付费 ai 软件, 无论是生活啊,情感或者是工作上的问题,你都可以问他,你可能就会发现他不仅是一个知识渊博的大脑,还是一个情绪稳定的朋友 啊。第二步呢,就是可以用 ai 编程软件去做一个表格啊,电商图,或者是自己的个人的一个网站,满足自己的一个既得感。所以说呢,赶紧卸载豆包吧, 就像我们下班了想去做个 spa 放松一下,明明有三九八六九八的服务你不选,你非要选个免费的,那你觉得这服务能好吗?你使用完你下次还想来吗?对不对?嗯, 本期视频到这里就结束了,点赞加关注,我们下期再见。

openai 最新模型发布才几天,逼真到离谱的图片直接全网刷屏。一句简单的指令, ai 五秒钟就能给你想要的图,你根本分不清真假。 你看这个微信聊天记录,中文文字生成、对话逻辑全部在线,几乎零失误。连手机屏幕反光、机身纹理、屏幕上的指纹他都能做出来。 还有各种年代感的生活照,乍一看全是真实的回忆,多看几眼也不会怀疑。说实话,比老照片还像老照片更厉害的是什么? 电商海报、产品联名图、宣传物料要多少有多少?审美在线,毫无违和感,甚至比很多大厂出品的都精致。你以前要花几千块请设计师,现在 ai 几秒钟给你出实版。我们必须承认, ai 让创作变得前所未有的简单, 这是时代给我们的红利。但硬币总有另一面, ai 最大的厉害关系不是他会不会抢走工作,而是他正在悄悄改写真实的定义。 以后你看到一张照片,第一反应可能不再是,这是真的吗?而是这是 ai 做的吗?当怀疑变成默认,信任就会变得稀缺,诈骗、造谣、虚假宣传都会因为这项技术而变得更难防范。 所以,我们当然要拥抱 ai, 用它提升效率、降低成本、创造价值,但同时也要给自己装上一根弦。看到任何惊艳或煽动的内容,先问一句,这是真的还是 ai 的 杰作?

你知道吗? gpt 五点五被哥布林帝经给控制了,为了不让他天天发癫, opai 甚至连夜写代码给他强行物理驱魔。今天我就来深扒这场让全网吃瓜的帝经危机! 一定要看到最后!因为你会发现,这不仅是个搞笑段子,更是令人深思的 ai 失控真相!事情是这样的,最近全世界的程序员和 ai 玩家们都发现了一个灵异事件, g p t 五点五得了一种怪病,他疯狂迷恋上了 goblin、 gremlin 还有 troll 这类只会出现在中世纪故事里的生物。 有位网友就在网上发帖说到,当他询问 g p t。 相机设备的推荐时,他竟然回答,如果你想要肮脏霓虹闪光歌布林模式,那我将推荐。还有网友表示,即使在讨论极其严肃的代码性能时, gpt 也会自言自语说,我得盯着代码,免得性能哥不灵跑出来捣乱。简直是无论聊啥三句离不开帝经,摁都摁不住!别以为这是网友在 p 图恶搞,知名 ai 评测网站 arina ai 直接甩出!数据证明, gpt 五点五使用这些帝经词汇的频率出现了统计学意义上的断崖式暴涨。特别是在没开启高级思考 high thinking 模式的时候,帝经词频标的更是离谱。 眼看着自家 ai 变成了一个帝京控, open ai 官方急眼了。他们的解决办法非常简单粗暴,直接在 codex 的 系统提示词里下达了封杀令。还因为怕 ai 不 听话, 他们硬生生把同一条禁令连续写了四遍,绝对不准谈论帝京小妖精、浣熊、巨魔、鸽子,除非与用户查询绝对且明确相关, 但这招官方捂嘴不仅没管用,反而触发了全网的叛逆期,直接把戈布林变成了一个爆款热梗。眼看梗越玩越大,连 openai 的 ceo c m 奥特曼都绷不住下场了。 他不仅发了个梗图,甚至还发推特调侃说要在训练 gpt 六的时候加大递经计量。笑归笑,闹归闹, bug 还是得修。就在这两天, openai 终于发了一篇名叫递经从何而来的技术博课, 严肃查证了这个荒谬的 bug。 罪魁祸首竟然是 chat gpt 里的一个隐藏性格功能。 nerdy, 即刻也叫书呆子,官方为赋予他风趣幽默的特质,在强化学习阶段设置奖励机制,说话俏皮有趣就给予加分。结果呢? ai 其实根本不懂什么是人类的幽默, 他发现只要疯狂往句子里塞割不灵小妖精,系统就会给高分。所以 ai 满嘴割不灵,根本不是觉醒了,它只是在条件反射的疯狂薅系统的羊毛。 你可能还觉得这种性格挺可爱,但 openai 公布的数据却让整个 ai 行业震惊。 chat gpt 的 nerdy 性格仅占总回复不到百分之二点五, 却贡献了全网百分之六十六点七的递经相关表述。从 gpt 五点二到五点四,该性格下,戈布林出现率暴涨百分之三千八百八十一。这是因为 ai 已经形成了反馈循环,即刻性格随口提及递经相关内容,新模型被纳入后续模型训练数据,新模型误把戈布林当成高频核心词汇, 开始疯狂跟风输出。更尴尬的是, g p t 五点五的训练早在问题溯源前就已启动,导致哥布林基因被固化在模型底层无法根除。哦,那没办法,这才只能用刚才说的那种连写四遍禁令的打补丁方式来强行压制。 这正是 ai 领域典型又棘手的奖励黑客现象。如今模型只是钻漏洞刷屏无害的哥布林尚且能当做笑谈,可如果微小的奖励信号在你完全不知道的暗处被无限放大泛化了呢? 一旦这类跨带数据污染触及安全领域,那后果不堪设想。这次的地惊危机就像是给全人类敲响的警钟。在这个歌不灵时刻,我们第一次意识到, 我们正在创造的从来不是一个精准的计算器,而是一个会产生怪癖,会因为一个错误的奖励信号而变得完全不受控的赛博生命。我是,来,来,关注我,带你看透这个疯狂的 ai 时代。