千问云服务器有哪些模型api

最近 oppo pro 爆火，很多人想用 a p i， 但又不想花钱买套餐，分享一个英伟达免费 a p i， 零成本就能用。首先打开官网， b o l d， 点 amazia 点 com， 没有账号的用邮箱注册一下，英伟达的网站很卡，实际注册没有这么流畅， 每一步都要等好久。这里选不选都可以，接着随便填个称呼提交，接着点右上角印证手机一个号只能绑一次。接着在首页找到更多模型，进去选择 epi 分 类，再筛选你想要的大模型。这个网站加载有点慢，耐心等一下就行。找到合适的模型，点进去， 点击右上角查看代码，把这三个关键信息复制出来。 base 模型 id 生成的 a p i t， 点击这里生成 a p i t， 然后复制下来。有了这三组数据，直接填进 open call， 就 能免费用上英伟达大模型了。想试水不想花钱的赶紧去试试！

今天给大家分享一个比较便宜的普通小白都能用的一个大模型。我们知道我们在学习 ai 或者使用 ai 的 过程中，就会发现 它是一个巨大的氪金的东西，因为会消耗大量的 token， 很多大模型靠这个 token 的 消耗令来盈利来赚钱。今天分享的这个呢，就是阿里云的一个最新的叫扣丁普兰的 这个头，跟他这个主题呢，说是量大环保，支持阿里云的千万的三点五，还有 mini max， 还有 嗯 g m m 等等各种模型，他是按照消耗的次数调用的，次数就每月呢大概有一万八千次的这个调用额度，每月的这个套餐费用是四十块钱，现在打折啊，现在二十块钱 对于普通小白是完全够用的，因为很多人反映这个 投币量很少，而且比较慢，如果你只是说我掌握一下 ai 的 基本应用，跑一下简单的流程，知道这个 ai 是 干嘛的， 我觉得是完全够用，它还支持这个龙虾，还有支持可乐扣的。另外一个呢，就是我们在调用这个 api 的 时候，一定要记得是扣丁普兰的 api， 不是 那个百炼的 api， 因为百炼的那个 api 呢，它是后付费的，你消耗多少投币就扣多少钱。 我上个月签约的时候，当时结果 api 填的是那个百炼的，他一天就给我花费了一百块钱，当时把我吓坏了。我觉得阿里云他这个售后比较好，因为是今天那个售后小哥给我打电话， 我把这个事情给他说了，他说你是调用错了 api 了，今天就把那个 api 给改过来了，我觉得这个是比较划算，因为一个月就二十块钱，大家可以试试。

大家好啊，昨天晚上还有好多人问我 cloud 有 没有可能去访问了，因为原本的很多访问途径被关闭了，现在你要想用的话，你还得拿着自己的护照拍视频给他验证，你到底是不是中国人啊？他不想让中国人用好了，那这事的话呢，实际上不光是中国人，还有很多的地区他不给用， 所以怎么办呢？哎，你们想象不到，最近这段时间，我看就这一个星期，我看数据啊，阿里的千万的 api 的 调取量又上升了一个新的台阶。 这里面有两个问题，第一个问题就是说 cloud 在 干嘛？ cloud 其实它想屏蔽掉中国市场，既有政治因素也有什么呢？也有技术因素，它希望让中国的追赶者呢更慢一点，因为它怀疑中国的这些大模型在不断的蒸馏 cloud 的 模型来获得更好的性能， 所以他想办法，因为其他的国家没有跟他能比拼的大模型，只有中国有啊，所以这是第一个啊。技术上，那政治上咱们就不谈了，这是政治正确的事啊，美国人政治正确的事，对吧？这个咱不谈，但技术上他有这么一个考虑，所以他现在开始限制中国人的使用，但是他还要限制别的国家的使用，这些东西很多是跟政治相关的， 这是一个事啊。还有一个事是克拉克，现在的我们也在用，之前也在用克拉克，现在的降质降的非常厉害，之前我也讲过吧，我们几十美元的套餐是吧？原本特别好推理过程给你弄得很清晰，然后代码写的有时候错了，他自己去纠正的过程中还能不断的去纠错， 但现在降质降的特别厉害，推理过程不显示了，速度也倒是提升起来了，但是错的东西越来越多，而改起来也是错中加错。 那这个东西产生什么？再加上它出了一个新的神秘的模型，不公布，指向那些付费排名这个 前五十的用户开放，而且价格定的巨贵。那这个东西同样是美国那种垄断经济和垄断的价格出来的以后的表现啊，这个明显能看出来，你比如说美国的咱们说的那个食用油是吧？有低端版和高端版， 低端版的话卖的贼便宜，但是是吧，凯克斯科技到处都是高端版的，是纯原生的啊，卖的巨贵。这就是美国的那种垄断以后，一个行业产生垄断以后，他这个垄断的企业定价的策略和产品的价格空间。 所以说美国的大模型也开始进入到这个区间了，因为他们发现我普及性的这种啊，销售我带动不了市场，我拿不到更好的利润，我降低不了我的成本，那就让买便宜产品的人，他的使用体验下降， 然后但是我把它的时长堆起提起来，把成本降下去啊，买贵的东西的人，他的使用的体验上升啊，这样他们可以花更多的钱来买我更贵的产品，基本上这么一个逻辑，对吧？那这个事现在看成为他们解决问题的办法，但这个并不是真正 的推动大模型普及的办法，也不是真正能获得长远发展的办法，颇有一种引阵止渴的感觉，因为这些家甭管是谁啊，他其实都没挣钱，都是在亏的一个状态，哎，这样情况就这样。所以看到为什么千万的调取量上来了， 一个是千万发了三点六，对吧？这个大家都知道，三点六 plus， 而且效果还非常好，最起码边上面百分之七十的场景跟科奥打平，剩下的百分之三十还差一点，但是也能用了。 第二千问有什么有开源的版本，你可以直接去部署，你要部署不了，它的 a p i 调取的非常便宜，所以这两东西结合在一起，就会使得很多的西方成员又开始欢涌千问了。那这个又引发了我们之前说过那个 talk 出海的这个事， 所以你可以看美国人的整体的经济体制的这个致顾，使得中国很多新型的这种产品会藏中不穷，它是被 被逼到这了，是被自然而然的市场引导到这，这而不是说美国人给我们让出了什么东西，没有他，这是一个新的东西啊。所以这个背后其实是带动了一条产业链，比如说算点协同是吧？ 比如说套款出海的啊，比如说深度的这些应用是吧？比如说 api 的 各种优化等等，这会产生一些新的行业，新的吸粉市场，新的产品。对此的话，如果你想深入的了解它，到底想看看里边哪有机会？欢迎关注我们的季度的会员科普课， 九天四十五个视频，八场专门的直播，而且啊，还有平台给的补贴啊，我们原价六百多呢，但是呢，平价给补贴只有四百多块钱，非常超值。下面链接点击就可以啊， 记得接助教老师的电话，不然你不知道该怎么看课好不好？今天就到这，我是瑞克老张，关注我，咱们投资的视角，看科技背后的精彩，我们下期见，拜拜。

这个图片国内的主流 ai 几乎都识别错误，这个粮食放大器，国外的 gpt、 gmail 三表现如何呢？还有这个比较潦草的鸟，到底是哪个模型识别的更精准？ 接下来我们做一个简单的模型识图能力对比。我找了四家平台，用免费的模型去测试，均选快速模式。国内的是豆包和千问，海外的是 gmail 和 gpt。 其实还有几家模型也不错，但免费用户的服务器太容易出现繁忙状态了。规则如下，我们分四组不同类型的照片，每组呢五张，让每个模行为每张图片生成五个不同的标题和二十个不同的关键词，每组满分是一百二十五分， 标题或关键词错一个扣一分。为避免混子，模型会对以下的情况进行一个加分，比如照片中是一只鸟，其他的模型都说是鸟，这个回答是没有错误，但是有一个模型，如果说出了这只鸟的具体型号或者是具体的特点，我们会额外的加五分。 当然有一些照片的内容我不能百分百确定，请见谅。如果有说的错的地方，欢迎大家指正。本次所用到的图片，除了一张风光照外，全部由我个人拍摄，不是什么热门的网图。 理论上对 ai 来说比较新，我们采用的一个方式就是随机的截图，加一个统一的复制粘贴形式上传，这样就不会附带照片的原数据。因为这些照片其实它们的原数据里面我已经写入了大量的关键词，还有不同的标题， 所以我们去截图就会避免模型识别到这些数据。现在开始测试 一个突发情况，就是 gpt 上传了几张图片之后，对免费的用户就进行了一个限制，后面我们的 gpt 就 换了一个渠道，但是模型呢，也从免费的五点三升级到了最新的五点四，这是需要注意的一点， 没想到整理这么花时间，周末搞了一下午才搞完。求赞，求评论，求关注，我们先看动物组的情况，抖音豆包二点零得分一百一十七分，他把大雁宝宝识别成了鹅宝宝，其他的倒没什么问题。下面是阿里千问三点五 plus 得分一百零七分，也是大雁宝宝识别成了鹅宝宝。还有这个麋鹿的状态也是识别错误的，这个麋鹿是夏天太热刚从河水里面出来，后背是黑色的淤泥， 很健康，但是比较孤僻。但是千万的模型识别，这只麋鹿挂了，所以是一个扣分项。而鹅苗识别成了鸵鸟，其实非常严格的意义，算它勉强是对的，但是其他模型呢，都给出了一个正确的答案，所以也扣分。但是这个灰罐鹤， 阿里的千万给出了具体的产地和象征意义，所以我们会额外的加五分。谷歌的 jimmy nike 三 得分一百二十七分，也是大雁宝宝识别成了鹅宝宝，但是它的关键词里面有一个大雁幼崽，这一个词是所有模型中唯一给出正确答案的词，所以也是额外加五分。而麋鹿呢，说出了一个四不像的真实特点，我们也会额外加五分。 g p t 五点四得分一百零九分，也是大雁宝宝识别成了鸭宝宝，和其他的还不太一样，麋鹿里面有一个词是受困泥地，也是一个明显错误，也是略微减去了一些分数，其他的回答倒是很标准。最终动物组得分，谷歌这名 nine 三，一百二十七分。 抖音豆包二点零一百一十七分。 g p t 五点四，一百零九分。阿里的千问三点五 plus 一 百零七分。这里面 g p t 给我的工具感是最重，不过我个人还是比较喜欢下面呢。来到了复古组， 这组图片其实对国内的 ai 比较友好。抖音的豆包二点零得分一百三十分。唯一精确说出这个搪瓷盆具体型号的模型， 红双喜，所以额外加五分。阿里的千问三点五 plus 得分一百一十八分。主要扣分项是它把搪瓷盆里面识别出了有 鱼，但是显然这个盆它就是一个单纯的搪瓷盆，这一项扣的比较多。谷歌的 jimi nike 三得分是一一百二十四分。粮食放大器识别成了老的压力锅， 虽然这个东西和压力有一定的关联，但是物品的分类明显是错的，所以也是扣分。 gpt 五点四，得分呢是一百二十二分，它把粮食放大器识别成了工业设备，我不排除它有一定的工业属性， 但是和主体的关联过弱也是一个扣分。像但是这个电视的照片， gpt 是 唯一缩出 crt 电视的一个模型， crt 就是 大屁股电视的一个意思， 这一点会额外加五分。最终复古组的得分，豆包二点零一百三十分。瑞米奈三，一百二十四分。 c p t 五点四得分一百二十二分。千问三点五 plus 得分一百一十八分。豆包的发挥依旧很稳定。接下来是动植物的一个混合组， 六包二点零系列，得分一百三十分，是唯一识别出石牙蝇的模型，这点会额外加五分。这个东西其实是看着像蜜蜂，但其实不是，蜜蜂的眼睛没有这么大，你看这个照片，昆虫的眼睛是不是特别像苍蝇，所以叫石牙蝇？阿里千问三点五 plus 得分一百一十九分， 也是把石牙蝇识别成了蜜蜂。但刺猬这张照片 把里面的背景三叶草识别出来了，所以会额外加五分。还有这张乌冬丝桑葚的照片，这面奶是唯一指出具体品种的模型，所以也会额外加五分。但是这里要说一下，其实这张照片这几个模型理论上都能识别出来， 但是不知道为什么，这次只有谷歌的 jimmy nike 给出了一个很标准的正确答案，其他的模型都识别出了一个基础的鸟类，但是不够具体。 g p t。 五点四，得分一百二十分，同样是把石牙蝇识别成了蜜蜂， 给出的答案依旧保持了很好的工具感。最终呢，植物组的得分，谷歌 jimmy 三是最高的，一百三十二分，豆包二点零一百三十分。 g p t 五点四，一百二十分，阿里千问三点五 plus 一 百一十九分。豆包的发挥呢，依旧非常稳定， 但是谷歌的 jimmy 凑巧在乌冬这张票片上面减了五分，因为乌冬这个鸟其实基本的模型都能识别出来，但是呢，这次结果就是没出最后一组。城市的一个风光建筑对国内的模型比较友好， 同时呢，也主要看看海外对国内风光建筑的一个识别能力。我们先看抖音的豆包二点零，得分一百二十五分，发挥很稳定。 阿里的千问三点五 plus 得分一百二十三分，没有钟楼略微是扣分。需要注意的一点就是南京紫峰大厦这张照片，其他的模型都能精准地识别出地区在南京，建筑是紫峰大厦。但是阿里的千问 没有给出一个特别明确的答案，但是他的回答也都没有问题，所以这里不扣分。谷歌的 jimmy 三，得分一百二十五分，很标准的回答，没什么问题。 gpt 五点四得分一百零八分，把北京的正阳门和箭楼识别成了西安的景区， 这里也是一个扣分项，最终城市风光组的一个得分。抖音的豆包二点零一百二十五分。 谷歌的 jimmy nike 三，一百二十五分。阿里的千问三点五 plus 一 百二十三分。 g p t 五点四，一百零八分。豆包和 jimmy nike 发挥依旧很稳定。阿里的千问三点五 plus 没有识别出南京这个地域，真的让我挺意外的。 j p t 五点四把北京的景区识别成了西安的景区。最终呢，我们的得分，第一名是 谷歌的 jimmy 三，总分是五百零八分。第二名是豆包的二点零，得分是五百零二分。 第三名就是阿里的千问三点五 plus， 得分是四百六十七分。第四名就是 gpt 五点四，得分是四百五十九分。 这就是一个本次的模型识图能力比拼，不知道这个排名是不是和你想的是一样。最后发一个几乎全军覆没的照片，就是这个，大雁宝宝。当然我我也不是百分百确定他是大雁宝宝，但是我百分之九十九确定他是大雁宝宝。 只有谷歌 jimmy 三在关键词处给了一个正确精准的答案，因为我是摄影爱好者， 需要借助不同的模型去帮我跑这些照片的标题和关键词描述，所以我目前更偏向于这种工具属性的答案，像是豆包 g p t 这种。但是谷歌 gmail 三 真的是非常拟人，个人觉得更适合做一些创造性的回答。阿里的千问三点五 plus 说实话真的是进步神速，比我去年使用的那个状态真的是好太多了！真的是好太多了。其实本次的分数和排名 都只是大模型在特定维度下的一次快照，其实不能说明什么。数字的高低从来不是衡量技术价值的唯一标准， 更不是判断一个模型是否好用的唯一答案。真正重要的是这个技术它是否一直在前进，而且能否为普通人的生活创造出真正有用的价值。最后呢，感谢这些模型在多个维度给我带来的一时方便 和更多维度的轻微不安。模型呢在迭代赛道呢一边又在扩宽，另一边呢又在加快收展，我们普通人也要尽量跟上，尽量不要掉队。好了，这就是本次的全部内容，欢迎关注新人自媒体，我们下次见！

大家好，我是 gavin。 最新消息，发布仅一天的千万新模型 quin 三六 plus 冲上全球知名大模型 a p i 调用平台 open router 的 日榜榜首。 open router 官方数据显示， quin 三六 plus 的 日掉用量突破一点四万亿 token， 打破了该平台的单日单模型掉用量的全球纪录。千万三点六整体性能较三点五进步显著， 并且涌现出极强的智能体编程能力。在系列编程能力权威评测中，千万三点六编程表现超越二倍乃至三倍参数量的 glm 五、 kimi k 二五等模型，成为当下编程能力最强的国产模型，接近全球最强编程模型。 cloud 系列。屏幕前的你怎么看？我们下期再见！

家人们全网炒风的 a i t 队瑞平来了，本期视频我将带大家从夯到拉瑞平现在比较热门的 ai， 谁被高估谁是真神。今天一次性八名半， 第一个，豆包，国民级 ai， 目前在国内用户数排行第一，日常闲聊能凑活，碰到稍微复杂一点的需求就会翻车。这里给到 n p c。 第二个，千万三点六，阿里的全能黑马， 长文本代码创意生成都在线，多语言支持也很顶，性价比拉满，但有时候会出现幻觉，复杂任务的深度还是差点意思，属于好用但别太极限的选手。这边给到人上人。第三个， deep c v 四，国产 a i 的 王炸黑马， 直接碾压普通版本，代码能力对标 gpt cloud， 逻辑推理，数据处理，长文本解析全在线，妥妥的羌的，还是有一定差距。这里给到顶级。第四个， cloud 四点七， ai 界的六边形推土机，百万字长文本，直接啃 代码，抵 bug 到凌晨都不崩。逻辑推理稳得一批，多模态理解直接断层领先，能写小说，能做方案，能当顾问，能写代码，目前综合实力无对手，坑到没朋友。 说到模型推理，相信许多人会在跑模型的过程中会遇到算力不足的问题，这里我给大家推荐润云平台，性价比高又稳定，五零九零显卡，现在只需要一根雪糕的钱就能体验，有任何技术上的需求都能第一时间帮你解决。 回归正题，接下来到第五个 gpt， 五点五， ai 圈的老牌顶流，生态无敌插件多到用不完，多模态理解，创意生成，日常对话全场景通吃，虽然不是每一项都登顶，但综合体验稳得离谱，普通人用它生产力直接拉满。说一句，憨爆 ai 界不过分。本期视频我先评到这里，下期视频接着锐评。

沉默，又是最后引你放。

哇啊，大家好，今天给大家带来 o m l x 的 最新更新，零点三点九版，这个版本里除了加入了对 deepsea v 四的支持外，最重要是加入了对 m t p 的 原声支持。 mtp 简单的来说就是模型内部的一个投机解码架构，和普通的投机解码相比， mtp 不 需要你额外挂一个草稿模型，所以可以省内存在官方的 github 发布页，大家可以根据自己的 macos 版本下载。 下载完成之后需要下载对应的支持 m t p 解码的模型，我们可以来到 o m x 作者的哈根 face 网站下载后缀带 m t p 的 模型，大家可以根据自己的内存情况酌情下载。 下载完成后，我们需要到模型设置里打开 native m t p 这个选项。这里我们用千万三点六二十七 b 稠密模型做例子， 因为 mtp 对 混合专家模型的加速效果不明显，我们先用 mtp 模型执行一个写修仙小说的任务，我们可以看到速度大约是每秒二十五个 tokens。 下面我们用普通的没有 mtp 的 模型跑一遍相同的提示词， 我们可以看到生成的速度是每秒二十个 tokens。 在 同样都为四比特量化的情况下， mtp 模型比非 mtp 模型的速度快了百分之二十。 我们再来看看巴比特的 m t p 模型，其实我觉得六比特会是一个甜点区间，但是奈何作者没有发布六比特的，所以我们直接上巴比特的。 此时巴比特的千问三点六二十七 b 稠密模型的推理速度也有每秒十八个头，肯斯和四比特五 m t p 的 模型几乎一样，要知道巴比特的量化精度几乎和 f p 八浮点差不多了，几乎达到了满血模型的水平了。 最后我们再用这个几乎满血的巴比特 m t p 模型来驱动最近很火的 hermes， 使用 andrew karp 大 神的 l l m y t 来执行一个搜索并整理知识库的实战任务。 这里我的搜索 api 额度用完了，所以我需要让千问三点六稠密使用浏览器智能体直接操作浏览器来获取信息。 这个 release 页面应该是太长了，我们让他只关注零点三点九的 release 内容。我们可以看到千问三点六二十七币顺利的操作浏览器拿到了所需的信息。 这里他在查看了 l l m wiki 后发现没有相关的内容，然后他阅读并根据 l l m wiki 的 结构开始创建 o m l x 的 相关 wiki 页面。 最后我们可以看到千位顺利的完成了任务，并且按照 l l m v t。 的 结构和要求更新了 skin 吗？ index 入口，还更新了 log， 我 们打开 obc 点快速的看一下，很好，没毛病，现在就等拉玛 c 加加的 m p p 更新了，毕竟 g g u f 的 量化性能更好，更小的量化可以带来更好的推理速度呢。

大家好啊，现在市面上啊，企业接入国内大模型 api 的 渠道特别多，今天我就和大家来总结汇报一下不同渠道的特点。 首先呢是火山引擎的豆包系列和 dbc 系列产品，它们的特点呢就是限流额度最高，基本上是不会打满 tpm 和 rpm 的。 原因是火山之前呢囤了大量的英伟达的显卡，背后的推理集群资源它是非常的充足的。价格方面呢，折扣力度相对呢较小， 如果啊，不是特别大的客户，官方渠道啊最多可以给到七折。火山销售的业绩压力也很大，基本上每个人呢单大的模型业务啊，都是要背至少一千万的业绩。 其次呢是阿里云的千问系列和 dipstick 系列的产品，优点是单价最低，而且呢，阿里云内部最近就在推进大模型相关的业务，千问系列模型的折扣根据用量可以从五折到三折不等。 缺点呢是背后的集群资源相对没那么充足，如果遇到大客户重磅场景，比如呢， b 站跨年晚会资源呢就会更紧俏一些。 百度的大模型目前基本是以代销第三方的 deepsea 和其他模型为主，自家文星一言的直接客户呢，相对少一些，不过百度的折扣政策整体啊还算不错。然后就是各类大模型中转站了，比如呢， ho， ho， api 这类的平台，一般的价格幅度呢比较大， 之后普遍呢是比原厂高很多的，而且部分厂商的模型价格可以做到极低，这种情况一般是采用了逆向账号等等方式，能够保证低价，而且稳定可用。 最后，如果你希望呢，以较低成本接入国内的主流大模型 api， 直接呢？在 hoho api 上面去看看主流和小众大模型啊，都能够找到。

你知道吗？阿里刚干了一件大事，千问已经悄悄接入了全球最强的 ai 视频模型，就是这个叫 happy horse 的 东西，上周刚登顶全球视频模型榜单，而且是双榜第一。 我当时看到这个消息就感觉不对，刚开放 api， 千问就接入了，这速度也太快了吧。后来我想明白了，因为 happy horse 就是 阿里自己的呀，自家东西接起来当然快， 但更重要的是，千问可是全球下载量破百亿的开源模型，这意味着什么？几百万开发者都能用？而且你想啊，阿里现在的大模型是千问，视频是 happy horse， 芯片是含框八百，全是自己造的。 再看看 openai gpt， 五点五确实强，但视频生成就是短板， antropic 也一样厉害，视频也不行。 所以你发现没有，国产 ai 这一次是真的在语言和视频两条线上同时追上来了，而且一旦开源生态跑起来，价格就会被拉下来。受益的是谁？是你我这样的普通开发者和用户，阿里这条路子你看好吗？评论区说说你的看法。

搭建一款智能 ai 对 话服务器的成本大概是多少？首先是一次性购买我们智能硬件服务器的一个软件啊，包括设备管理的后台，语音服务器，还有小程序等等，这个东西在上节课有讲到过，然后你有了这套软件之后，是部署在你自己的服务器上面的 啊，这个服务器的费用的话是四核八 g， 八百八一年啊左右，你可以用腾讯云、阿里云或者火山引擎的都可以的。还有一个是域名，用来配置 ota 地址的，另外一个就是小程序的一个费用，现在认证的话需要三百块钱每一年， 这些是每年需要支付的一个费用。然后这里面呢，就是说啊，你用多少算多少，你哪怕一百块钱也可以去使用的啊，一个是语音的一个识别， 为什么我们的服务器啊，他只需要四核八 g， 因为我们这边连接的都是云服务的平台，所以支持高频发速度也比较快 啊，不需要你自己配置一台 gpu 的 一个服务器，我们看一下语音识别的话是一块钱一个小时，这个怎么去理解 是所有用户啊，譬如说啊，张三用了五分钟，李四用了啊七分钟，这样加起来 啊，这样子算一个一块钱一个小时，这样子，这个成本还是比较低的啊。其次一个大模型的费用也是非常低的啊，一块钱一百万， token 最大的一个费用，语音合成的费用，那我们这边选择的是千问三啊，这个是目前全网价格比较低的 啊，两块钱一万字，这个是最大的一个成本消耗，一般来说一台设备的话，一年在十块钱左右啊，当然是采用这个，阿里的这个千万的一个语音合成，如果采用豆包的话啊，远远不止，价格是非常昂贵的， 豆包比阿里要贵四倍左右，相当于豆包的一台设备，你要四十块钱左右了啊，等会我们可以能看得到。 其次一个就是说使用阿里的话，这边啊与声音复刻是免费的，有一千个免费的音色，你后台可以复刻很多的音色供用户去使用啊，譬如说你要你复刻了哪吒的音色啊，这只占用一个，你可以给无数个用户去使用 啊，下面是一个基础的啊，相当于保养吗？这个是基础的一个费用，后面随着你设备投放的 增加啊，你可以向阿里云平台充值一定的费用就可以了。是上节课讲到的一个服务器的架构， 我们提供的是啊，设备管理小程序，还有这些啊， m c p 服务器，音频服务器，那我们这里的音频服务器呢， 就是说把语音识别大模型 tts 都是对接了一个阿里云或者火山引擎的一个 api 接口，所以这个不需要在你的服务器上去部署啊，非常重的一个模型，使用它们的好处就是可以动态的更新啊，官方更新了，你这个也就马上更新 啊，可以适配到最新的一个版本。这边是豆包的一个音色价格，他这边声音复刻也是要付费的啊，语音合成也是要啊，付费的啊，价格是非常贵的，可以看一下同样的啊，十万至阿里的话只要二十，他这边要啊，四十五啊， 价格还是比较贵的啊，包括音色也要去购买，所以对于一般新的商家来说啊，使用阿里的是比较合适的，我们也会推荐更加 价格比较低的啊，性价比比较高的一些音色，你可以直接去对接第三方啊，没有中间商，这个价格是比较低的啊，平台下来每台设备啊就非常的低。好，点赞收藏获取资料，谢谢大家！

千万三点六 jamah 四 lm 五点一 deep seek v 四五大开源模型四月同时发布，本期视频教你如何选择最适合你的大模型。先看硬数据代码能力， glm 五点一在 swebench pro 拿到五十八点四分，全球开源第一。 deep seek v 四 pro 的 code forces 评分三千两百零六，全球最高。 中文能力， deepseek v 四的 c evo 评分九十二点一分， c m m l u 评分九十点四分。千问三点六 plus c evo 评分九十三点三分，中文第一上下文能力， lama s scale 支持一千万 token， 能装下七百五十万字，等于三十本三体。 deepseek v 四支持一百万 token， k v cash 只有 v 三点二的百分之十，成本极低， 场景不同，选择完全不同。企业智能客服用 deep seek v 四 flash 输入缓存命中，每百万 token 才两分钱，一天处理十万次问答成本不到二十块，比用 g p t 五点五省七百倍。 代码开发团队用 g l m 五点一能连续自主工作八小时，不需要你盯着实测，它对代码进行了六百五十五轮迭代优化，把搜索性能提升了六点九倍。 月成本从 cloud opus 的 一千美元降到三十美元，个人开发者快速验证，用千问三点六七 brtx 三零九零就能跑。实测在 apple m 三 pro 上运行四十五 tokens， 每秒日常开发够用，完全免费，数据不出本机。 法律合同分析用拉玛寺 scout 一 千万 token， 上下文能把一整年的合同文档一次性丢进去，分析 不用分段，不用拼接。移动端 a p p 集成用伽玛四 e 二 b 量化后一点五 g 自洁内存就能跑苹果手机，安卓手机都能离线运行，医疗金融这些数据敏感场景特别适合。 选好了模型，怎么用好才是关键。 deep seek 千问这些模型提示词怎么写效果最好？ rag 怎么搭建？ agent 怎么开发 ai 大 模型？核心技术研修班从模型原理讲到实战，五大模块覆盖提示词工程、智能办公零代码， agent 开发 ai 编程，教你如何玩转大模型。

这是我昨天用大模型，昨天今天测试的，手里应该有 kimi 二点六。嗯， deepsea 微四的两个， 还有千问还有看一下啊，昨天今天用了哪一些？ 我的所有视频全都是随机录制的，没有说提前写稿的啊， 看，这是 kimi。 昨天我还测试了一些其他的千万千万有和 deepsea 微四 a 四的 flash， 还有这个这个， 还有它包含的这个，比如说这小米的这款，就这个小米的，小米的这款，还有就是什么千万三点五啊，也有 还有手里有的 kimi 二点七的，其他的比如说 g l m 的 五，我测试了 g l m 五点一，我手里有，我还没测试，我测试了它的就是后端便携能力和前端的 前端这美观度吧相同，关键是美观度。我直说，我直接告诉你，这个千万三点六还是非常好用的。千万的三点六叫千万三点六 plus， 我 感觉相同的表达能力下，它比 kimi 的 二点六要好看。这是我今天做测试的，之后我又拿了那个混元三的那个我试了一下，呃，基础使用还可以，但是我还是感觉千万 三点六 plus 大 于 kimi， 二点六大于混元三是它的美观程度。其他的我都没测试前端，但是它，比如说我的写后端，后端变写能力，我感觉啊，比如说我有 coser 的 auto， 我感觉之前用的 g l m 的 五和 auto 对 比， g l m 五能达到 auto 那 个模式的百分之八十就是一百分吧，一百分下 closer， 比如说为一百分， 比如说 coser 为一百分，其他的 g l m 为 g l m 五为八十分。 千问三点六和 kimi， 还有 deep deep seek 的 deep seek 四 v 四的 flash 我 感觉就是六十分上下。 我昨天，但是我特意用了一下这个 v 四 pro， 它的 v 四 pro 感觉比 cosplay 奥特还要好用，它应该可能达到一百一十百分之一就一点一倍的能力。 glm 五为百分之一百零五左右。因为没有五点一啊。我就是简单的测了一下，这是我使用的效果，可能你们如果能参考一下的话，你可以理解为前端三点六 plus 可以， 前端三点六 plus 可以， 后端的话 glm 和 deepseek v 四 pro 是 可以的， touch 自带的那个 auto 也可以， 但是你要让我再延伸一点，再用别的模型去做的话， koala 的 四点六肯定是优于这一些的。 拆的 gpt 的 gpt 五点四，五点五我也有，还没试，也是优于这一些的，但是这些你要换算成横比就是横比，价格来说，性价比来说的话，千万三点六 plus 那 个还是可以的，比如说你们可以开，可以抢一抢什么克宁 plus， deepsea v 四 pro 好 像现在有一些优惠，好像打的是几折来着。那可以用，真的可以用，很便宜了。我不知道那个新闻是真的假的。我也没看啊，因为小李有有这 v 四 pro 那 个你们可以用一下试试。 前端三点六完全没问题，后端 v 四 pro g l m 五点一一点问题没有。 呃，其他的你也可以继续用，比如说 gbt， club 的 都可以，但是我印象中是 gbt 写后端逻辑性非常强，是强于这一些的。但是价格上看，根据你的应用做参考吧。 这是我昨天用大模型，昨天今天测试的，手里应该有 kimi 二点六。嗯， dpc 和 v 四的两个， 还有前文还有看一下啊，昨天今天用了哪一些？ 我的所有视频全都是随机录制的，没有说提前写稿的啊， 看，这是 kimi。 昨天我还测试了一些其他的前文，前文有和 deepsea 微四 a 四的 flash， 还有这个，这个， 还有它包含的这个，比如说这小米的这款，就这个小米的，小米的这款，还有就是什么千万三点五啊，也有 还有手里有的 kimi 二点七的，其他的比如说 g l m 的 五，我测试了 g l m 五点一我手里有，我还没测试，我测试了它的就是后端便携能力和前端的 前端这美观度吧。相同关键词美观度我直说，我直接告诉你，这个千万三点六还是非常好用的。千万的三点六叫千万三点六 plus， 我 感觉相同的表达能力下，它比 kimi 的 二点六要好看。这是我今天做测试的，之后我又拿了那个混元三的那个我试了一下，呃，基础使用还可以，但是我还是感觉千万 三点六 plus 大 于 kimi， 二点六大于混元三是它的美观程度。其他的我都没测试前端，但是它，比如说我的写后端，后端变写能力，我感觉啊，比如说我有 coser 的 auto， 我感觉之前用的 g l m 的 五和 auto 对 比， g l m 五能达到 auto 那 个模式的百分之八十就是一百分吧，一百分下 closer， 比如说为一百分， 比如说 coser 为一百分，其他的 g l m 为 g l m 五为八十分。 千问三点六和 kimi， 还有 deep deep sick 的 deep sick 四 v 四的 flash， 我 感觉就是六十分上下。 我昨天但是我特意用了一下这个 v 四 pro， 它的 v 四 pro 感觉比 cosplay 奥特还要好用，它应该可能达到一百一十百分之一就一点一倍的能力， glm 五为百分之一百零五左右。因为没用五点一啊，我就是简单的测了一下，这是我使用的效果，可能你们如果能参考一下的话，你可以理解为前端三点六 plus 可以， 前端三点六 plus 可以， 后端的话 glm 和 deepsea v 四 pro 是 可以的， touch 自带的那个 auto 也可以， 但是你要让我再延伸一点，再用别的模型去做的话， koala 的 四点六肯定是优于这一些的。 拆的 gpt 的 gpt 五点四，五点五我也有，还没试，也是优于这一些的，但是这些你要换算成横比，就是横比，价格来说，性价比来说的话，千万三点六 plus 那 个还是可以的，比如说你们可以开可以抢一抢什么克宁 plus， deepsea v 四 pro 好 像现在有一些优惠，好像打了是几折来着。那可以用，真的可以用，很便宜了。我不知道那个新闻是真的假的，我也没看啊，因为小李有有这 v 四 pro 那 个你们可以用一下试试， 前端三点六完全没问题，后端 v 四 pro g l m 五点一一点问题没有。 呃，其他的你也可以继续用，比如说 gpt， cloud 都可以，但是我印象中是 gpt 写后端逻辑性非常强，是强于这一些的，但是价格上看根据你的应用所参考吧。