在四月七号,智普官方发布他们最新模型 glm 五点一,这个模型能力很强,是开源现在来说的开源第一,在专业软件开发基础测试中 打赢了 gpd 五点四和 ox 四点六,在 human 二的测试中也逼近了 carl 的 ox 点六,在代码库生成和真实终端任务的测试中也比之前的 glm 五提升很多。 这这模型的能力基本和 g p d 还有 cloud 的 闭源模型都打平了。它这种模型能力很强,主要就是针对一个长城任务的优化和执行上面的优化。 在 g r 五的基础能力上面,它是针对于模型容易过早停滞的问题进行了深度的优化,它在执行任务的过程中,可以在几百次的迭代和几千次工序调用之中 继续去优化,保持能力实现时间越长结果越好的这个效果。 嗯,官方给出的实力是在八个小时内搭建了一套 linux 的 桌面系统。嗯,相较于之前几个模型,之前几个模型在尝试几次失败之后就停止了,性能处出现明显的下降。 但是五点一会在这个执行的任务过程中不断去调整他的规划,说明五点一的长时间任务能力和规划能力确实很强。我自己也去试了一下五点一的模型, 在执行相同的任务的时候,其他几个模型确实是会遇到这个赛博被打墙的情况。嗯,执行一火之后,技能和质量完成的明显的下降,但这样某点一的效果就会好很多。我感觉模型的方向现在继续卷,就是朝 长征任务规划和自主执行这两个方向去卷。嗯,人类负责制定规则和目标, 然后模型去完整的跑通,这个流程执行下来找到人类验收结果和给他纠正错误,用自然语言跟他交流就可以把任务很好的完成。
粉丝542获赞3247

就在上周五,智普直接在用户社群里扔了颗深夜炸弹, callinplay 全体用户即将用上最新旗舰 g o m 五点幺。拿到更新后,我第一时间上手实测,特意挑了个很考验功底的实操场景,让它从零生成一个赛博复古风的网页游戏。要求一步到位,先设计完整游戏逻辑, 写出全套 h t m 摇加 css 加 g s 赛码,加上像素风 u i 动画特效、计分系统、死亡判定,最后还要自动生成一份可直接运行的说明文档,高 告诉我怎么打开、怎么调试、怎么扩展功能。看着步骤不算难,但懂点开发的都知道,这种从头到尾连贯下来的复杂任务,最吃模型的常上要闻理解和全程专注力。而 g m 五点幺拆解需求特别稳, 全程牢牢盯着核心目标,不会写着写着跑偏漏掉关键细节,写代码时结构清晰不混乱,就连最后配套的运行说明、调试指南都写的特别完整。这一点真的很出乎我意料。 因为之前我也用过一些主流编程大模型,但凡牵扯多文件逻辑,长链路编辑还要配套交付,大多写到后半段就开始往前面的逻辑界面、动画逻辑经常对不上, 最后交付的东西根本跑不起来。但 g i m 五点幺不一样,全程能记住整个项目的结构,从需求理解、代码编辑、界面设计到交付说明,一整条链路丝滑衔接,这种扎实的长城落地能力 真的拉开了很大差距。这确实是目前编程能力第一梯队的模型,尤其是在复杂任务的持续执行和完整交付上,体感差距非常明显,个人觉得能媲美国产的 oppo 的 四点六了。 我们为什么要关注这件事情?因为长城任务能力是检验 ai 智能的新标准。 g m 五点幺突破明显复杂,目标自动拆解,长链路,不跑偏,不掉目标代码,网页 api 无缝切换, 全程记忆,进度连贯推进。直白讲,越来越像靠谱的全职工程师。现实问题随之而来,当 ai 能稳定承接中高阶工程任务,人的不可替代性还剩多少 头部企业全在压这条赛道,能力越强,肉眼可见,尽早吃透用好这类工具,才是接下来的核心竞争力。现在 g i m 五点幺已面向 g i m c d play 用户开放,性价比超高,闭眼入不亏,你准备好了吗?

智普啊,发布了 glm 五点零,为了测试它的能力啊,我用它构建了一套可以无限运行的 ai 开发系统。我用这个系统运行了长达十个小时,从晚上十点到早上八点, ai 做了几十次 getmate 的 提交, 开发了一个 ai 漫剧生成工具,有前后端有数据库,可以用户注册和登录,还接入了大圆模型,图片生成模型,视频生成模型。通过这个视频,你会学到如何构建这样一个无限运行的 ai 开发系统,并了解到 glm 五点零的惊人开发能力。 整个过程我都只是输入简短的 prompt, 没有亲自阅读或修改任何一行代码。我一直在旁边玩着游戏,等他干活, 尤其是我视频最后会讲的,他把整个项目的所有模块联合起来,然后端到端的 bug 修复错误,非常的牛逼。他不只是单纯的写代码,他甚至自行在浏览器中验证每个功能的正确性,找出 bug, 然后自行在浏览器后端数据库第三方的 api 之间联合调试,找出问题,修复错误。 那赶紧进入正题啊,相信对你会有所启发。我使用的工具是 cloud code, 并且把模型切换为 g l m 五点零,具体方法可以看我之前这一条 g l m 四点七的视频。 那我们首先要搭建一套能无限运行的 ai 开发系统,说是系统,其实就是几个文件,做法非常简单,我把一篇来自 astonopy 的 神级文章发给 ai, 让他自己去学习,根据这篇文章做出这套系统 文章叫长时间运行智能体的有效调度编排框架。那过程中 ai 做出了一些操作预期的举动,他通过 m c p 打开浏览器, 通过这篇文章的页面找到一个配套的 get up 仓库,打开仓库的代码文件进行学习。而我事先都不知道这个代码仓库的存在,最终他创建出了这一些文件。 我解释一下最重要的几个,帮你理解一下这套系统的工作方式。 task 点 jc 文件,其实就是一个任务列表,每个任务都有它的描述,并且会标记是否已经完成。和我们人类工程师每天上班一样, ai 每次从这里面领取一个任务, 完成后就做一个标记,这样他的 ai 同事啊,就知道项目进展到哪里。 progress 点 txt 文件,每次 ai 完成任务啊,或者任务失败后,都会在里面留下工作日期,这也是为了给其他 ai 同事提供一些信息。 log 点 m d 文件,这里面全是提示词,用来指导 ai 根据固定的规范流程工作。和我们人类工程师的开发流程类似, 第一步,跑一个脚本,来初识化整个项目的环境。第二步,在 task 里面领一个任务。第三步,就开始开发。第四步,测试和验证。 第五步,更新 progress 和 task 文件。第六步,用 git 提交代码。那如果中间遇到困难,需要人工介入,它就要及时向人求助。那在以前一些长期运行能力不强的模型中啊, 这么长的开发流程,一旦工作上几十分钟,模型就会逐渐混乱,不再按照规定的流程工作,而如今完全没问题啊。视频后面我们会看到, glm 五点零,即使在长达一个小时的工作,提交了几十个 commit 后,仍然很好地遵循开发规范。 然后呢,我让他写一个脚本,用来无限时间的运行。这一套开发流程背后的原理很简单,就是把 cloud code 放到一个 while 循环里面,这样一来,人不在电脑旁边的时候没法手动 prompt, ai 就 可以执行这个脚本,让 ai 无限的工作。它之所以有效,有几个原因啊, 第一,我们这套流程每次只要给 ai 说一句,完成下一个任务,不需要更具体的指示, ai 就 能通过 task 和 progress 文件知道自己现在应该做什么。 第二,每个 task 都很小, g l m 五点零足够的强大,每一次 y l 循环里面,他只是领取一个很小的任务,并且严格的测试,成功率极高。第三,每完成一个任务,模型的上下文都会被清空,所以模型始终保持在最聪明的状态。 第四, g l m 五点零非常可控,严格按照工作规范执行,每次小任务都会进行 commit, 所以 即使出错,我们可以轻易地回滚到旧版本。 好,现在我们这套系统有了,接下来就要开发软件,我们先来设计一下它的功能和架构。这个软件的用途是一句话,生成长视频。我让 ai 把整个项目的开发需求拆成了三十一个任务,放到 task 文件里。 这是 ai 设计的软件,架构不复杂,但五脏俱全。再看一下 ai 画的业务流程图啊,帮助大家理解我们要开发的这个软件具体的功能。 首先,用户会创建一个项目,然后用大圆模型生成每一个分镜的文字描述,然后再用图片模型生成每个分镜的图片,再用视频模型生成。视频开发的流程比较长啊, ai 做了几十次提交,我就选几个精彩的给大家讲。 在 ai 做到第十九个任务的时候,为了测试 glm 五点零的能力呢,我产生了一个大胆的想法,我让他一口气做了一个多小时,完成了十一个任务,干完一个又一个,中间我没有任何干预, 给大家倍速感受一下效果。他一直在写代码,并且每次都遵循我们的开发规范,每个任务都完成,测试一个,一个任务,单独提交代码,拿一个具体的任务作为案例啊。他现在领取了任务三十,任务目标呢是实现响应式的布局,也就是让 u i 在 手机端和桌面端看起来不一样。 他现在正在修改代码,然后验证项目能 build 通过。然后他现在把浏览器的大小变成了手机屏幕大小。打开了我们的应用,他点击了一个按钮, 他对页面做了一次截图,用识图的 m c p 判断是否正确。再打开了一个新的页面,再做了一次截图,并检查是否正确。然后在 progress 里面仔细描述了自己所完成的工作,然后把这个任务标记为完成,他就按这么一套方式疯狂的干完了每一个任务。 要接入数据库的时候呢,他主动提出需要人工帮助,并且一步一步地给我说明,告诉我如何去这个 superbase 平台啊,点哪里创建项目,配置数据库,获取 api key。 尽管我没怎么用过 superbase, 仍然轻松地操作下来了。中间我还犯了错误,给他提供了错误的 key, 也被他及时发现,最后他还让我帮他去注册一个测试账号,然后他自己打开浏览器,输入账号密码,验证登录功能,可以正常使用。那像 superbase 这种外部的系统啊,超出了 ai 的 控制范畴。 g o m 非常明确的给我提供指引,让我协助他完成开发工作,一个不了解后端的人,也能在他的指引下完成数据库的配置。 他开发完后端一系列 c r u d api 后呢,声称对每一个 api 都进行了测试,但所有的 api 都是需要 os 的, 前端也还只有一个空白的页面,所以我就很好奇他哪里来的 os 权限,怎么完成测试,是不是在忽悠我? 于是我问了他一下,他用简短的语言,漂亮的格式向我解释。他说他打开浏览器,登录了刚才创建的测试账号, 然后通过一个叫做 browser evaluate 命令,在浏览器可以执行任意的 javascript 代码。然后他写了一些临时的 js 代码,就在浏览器里运行,调用我们的后端 a p i, 这样就能有 office 了。非常聪明的做法,我还怕他在骗我,我检查了一下录像,确实如他所说,他打开浏览器疯狂测试, 中间还真测试出不少问题,他就自行查看后端的报错日期,自行修复。最终三十一个任务全开发完后,啊,我也懒得去人工验证这个项目是不是已经可以用了。在往常的开发中啊,到最终阶段,因为已经把 前端、后端、数据库、第三方 api 全部连起来了,那第一次的集成测试啊,就会非常头痛,因为任何地方都可能出错,往往需要浪费大量的时间再把错误找出来发给 ai, 让 ai 去修复。但这一次我非常大胆,我只说了一句话, 请你完整测试一遍流程,确保功能可用。大概就是从早上七点十分开始,他自己在浏览器上疯狂测试,花了一个小时提交了这么多改动,用来修复 bug。 我看他在浏览器上像人一样一步步操作我们的产品,通过截图和视觉能力来判断是否符合预期。遇到问题的时候呢,他就自己查询后端的报错,检查各种 api 的 状态,综合分析出问题。最终他总算顺利的生成出了第一个视频,端到端的把整个应用全部打通了。 他修复的每一个 bug, 做的每一个 feature, 其实我都不清楚是什么情况,但我想知道的话,我只要找到他的 commit 记录,看一下他在 progress 文件里写了什么。这也是这套流程的强大之处,一切都是可追踪的。 我们让 glm 五点零一边开发项目,一边在开发过程中发现问题,让 ai 来增强我们这一套自动化的开发系统,左脚踩右脚,螺旋升天,我相信这就是未来开发者的工作方式。总结来说, glm 五点零已经远远超出了单纯抠顶的范畴,而是能对软件工程的每一个环节进行自动化,提升效率。 gm 五点零在超长任务上非常出色,已经达到了能让我放心的交给他连续运行一个小时的程度。横向对比的话,我个人认为 gm 比刚发布的 oppo 四点六弱一点,但在一些方面可以超过 gbt 五点三。 重点是价格便宜非常多,但现在过于热门啊,供不应求,抠钉套餐非常难抢。那我们这个项目呢?虽然现在端到端全部打通了,但最终深层的视频效果还有很大优化空间。点赞到一万,我可以开源出来,让感兴趣的人进一步优化它。

智普 g l m 五点一到底能不能硬钢 plus 的 代码王座?这篇包含跑分、实战痛点和使用边界的思维硬核评测,直接把底牌揭开。一句话总结,这是目前最极致的偏科平替,看完你就知道该怎么用它。踩不踩坑。 先看过场数据,底座七千四百四十亿参数底层直接融合了异步强化学习和 deep sea 的 稀疏注意力机制,标称二十万超长上下文,极数上面直接拉满, 跑分直接逼进地表最强。官方测试中, g l m 五点一的编程得分达到四十五点三分,相比上一代直接飙升百分之三十,距离目前公认的代码天花板 opus 四点六仅差了不到三分。单看测试水准,他已经稳稳占据世界第一梯队。 但跑分不等于体验,这是很多开发者最容易踩坑的地方。实战反馈表明,他的代码生成确实有巨大进步,但代价较为惨烈。 这是一款典型的侧向升级产品,为了强吃代码能力,它大幅度牺牲了日常动用、任务处理和创意扮演能力。如果你拿它写文案,表现甚至不如上一代的 glm 五, 更致命的是长文本陷阱,纸面数据标称支持二十万上下文,但在实际高压环境下,一旦你灌入五到七万托盘的庞大代码库模型,偶尔就会出现逻辑混乱,甚至直接发疯。在处理极长代码项目的极限稳定性上,它目前还无法完全替代 os。 既然有缺陷,为什么海外开发者还在疯抢?因为它的杀手锏是白菜价和伪装介入。在当前热门的 cologold 这类智能体开发环境里, 你只需要改个环境变量接口就能零成本把它当成 opus 来用。最关键的是它的 api 倒用价格只有 opus 的 几分之一,这是绝对的降维打击。最后直接给使用。结论,强烈推荐个人开发者和中小团队把它作为主力平替。 日常的写代码修 bug, 写中小型函数用它绝对超值。但是如果你需要重构超过七万头肯的祖传复杂代码,或者需要处理高度复杂的通用写作,请立刻闭坑老实实加钱去用 opus, 或者直接退回 glm 五。

我这台老电脑装上 ai, 直接化身三 d 打印部队总指挥,全自动控制我的一屋子三 d 打印机,同时打印模型的多个零件,我就等着最后取下模型再拼上,就得到了一个钢铁侠头盔。最近 opencloud 火爆全网,大家都在养小龙虾,各龙虾的区别就是选了什么模型,针对什么场景来训练。 今天就来分享一个全新模型的测试情况。智普 ai 的 g l m 五点一,我把它用到了三 d 打印集群设备的控制当中,也把使用流程分享给大家,后边有时间可以参考去尝试一下。先来看看我做到的效果, 就是无论身处何处,只需要手机给他发个消息,他就能自动执行。我需要批量打印的模型文件,自动识别出我空闲的机器,再自动切片打印。我使用到的是 cloud code 的 工具,来接入智普最新的 g l m 五点一模型。 首先去智普开放平台获取 a p i case 密钥,这串密钥记得保存好,如果泄露你的 token 可就流失了。接下来就给小龙虾接上 g l m 五点一,大脑搭载 slime 强化学习框架,越用越智能。配 置完密钥,在根目录下的 jason 后缀文件下,将模型调整为 g l m 五点一即可使用,也可以在玩壳里面快速更改,这个方法会更适合新手。配置完后,为了减少无用操作,我们先给他这段指令,等 等它配置完成,就可以直接操作我们的切片软件了。先来个简单的测试,把桌面上的小鸟模型使用 a 一 这台机器打印出来 看,这就完成了, so easy! 那 么再进一步的来点高难度的,把小龙虾接入飞书,我在手机上语音输入帮我操作空闲的三 d 打印机打印钢铁侠文件夹当中的模型,工作室那边就开始自动执行了。 这样操作有一个好处,就是我每次打印取件我都不用把它取下来,我就先把它放这,直接换好一个空盘,我就又可以走了。 我们来看看效果如何。 有了这只小龙虾,我还能让他做更多的事情,例如有做好的模型,想商品化销售,那直接让他帮我出海报图,抓取同类产品的价格,宣传词等等,直接出销售文案,确定没问题,保存发布即可。 实测智普的 glm 五点一训练,两个白天可以完成以上的三点一工作,当然它不仅能操作这些机器,其实它更擅长全站开发、游戏开发等等,做这些它的效率会更高。 glm 五点一也在 swe 奔驰 pro 测试当中取得全球第三开源模型第一的成绩, 我只是结合我日常涉及比较多的工作内容来测试了,后续有时间再测试其他方向。现在智普还推出了 callin plan 套餐,想尝试可以去看看。那屏幕前的你想用它来做什么呢?欢迎把你的用法和成果放在评论区交流,那咱们下期见!

deep c q v 四呢,终于发布了,各方面的参数啊,看起来都很不错,但实际使用起来又是什么水平呢?正好最近两周啊, g p t 五点五, opt 四点七, kimi k 二点六也都刚更新了,再加上之前的 g r m 五点一呢,凑齐了一大批的这个千元模型。很多朋友啊,都在纠结说自己的智能体里面到底应该用哪个模型呢?今天这个视频啊,我就会从价格,从速度, 从完成任务的质量几个角度来跟大家聊一下这几个模型,能够让大家在选这个模型的时候啊,会有个参考。我们首先来看一下各家模型 token 接口的这个价格,按照 token 输入输出七十比 七比二的这个比例来加全,这个呢大家可能如果不清楚的话,也不用特别的去计算,我是按照我自己的平时的账单的统计,然后调用的这个比例算出来的,每个人呢都或多或少会有些不同,但大概呢就是这样一个比例,然后用它来算出每百万 token 的 一个综合的价格,方便我们去比较。我们看到 v 四 flash 呢,零点三二元, v 四 pro 呢,原价是二点五六元,然后加上当前二点五折的发布活动啊,价格大概是零点六四元。 kimi k 二点六呢二点二三元。 jimmy k 二点一呢二点二九元。 opus 四点七十点六三元。 gpt 五点五呢十一点五二元。国产模型啊,大家看到大致呢都在同一个价格袋里面, opus 跟 gpt 呢,价格直接贵了一个数量级, 一次 flash 啊,价格最低,因为它的模型尺寸呢,也是最小的一次 pro 呢,能把一百万的上下文做到这个价格,是采用了新的注意力机制,一百万上下文呢,大概只需要前代的百分之二十七的算力, 百分之十的显存就够了。列出这个综合价格啊,是方便大家去理解,去比较,然后给大家做一个自己选择的参考。然后来介绍一下这次的这个对比的任务设计啊,我这次呢,是想让智能体啊去抓 hack news 上面前一百条的热贴,挑两到四条呢,值得说的话题,查背景, 生成图片,配音,最后用 hyperframe 这个 skill 呢,制作一条三十到六十秒的中文视频报告,中间怎么去完成啊?怎么去这个一步步的定任务呢,完全交给智能体自己去定,每家过程啊,稍有不同, 但大致的内部的流程啊是一样的。先写 python 脚本呢,抓帖子,做数据统计,再写分镜跟旁白,然后呢,生成语音跟图片。语音出来之后呢,来计算一下实际的长度, 重新去调整一下分镜,如果太长呢,就压缩一点,如果太短呢,就扩展一点。最后呢,再用 hyperframes 以代码的形式把这个视频完整的做出来。每个模型的任务呢,我都给它们建立一个独立的空白的文件夹,然后用 skill 去扩展它们 agent 的 能力。比如说像我这里用到了几个 s 册去查资料, gpt, imager 去申图,然后 edge tts 做中文的旁白, hyperframes 负责视频的合成等等,基本上就是四个。如果产出有明显的缺陷啊,我会反馈给 agent 一 次,但只给这一次的机会,只做一次的人工干预,还有一个比较重要的细节来跟大家分享一下。 这次实验用的 agent 啊,是叫做派,大家肯定没听说过,因为在国内还比较冷门。它是一个极简设计的 agent, 几乎不做任何额外的封装。我们平时用的比如说像 cloud code 啊 or codex 这种框架,它约束多,然后规划层比较厚,好处呢就是把那些比较弱的模型啊,能多浮起来走两步, 代价呢就是那些比较强的模型的判断力呢,可能也被一定程度上牺牲掉了。反过来说呢,薄的框架就是让弱的模型一步步能露出马脚,也让强的模型完全能够展示自己的规划跟纠错的能力。我们来大概的这个判断一下,这次一整条的这么长的这个工作流任务啊,需要用到这大模型的工具调用,多步骤规划 上下文,然后选题,判断出错的自己修复,单次跑下来我估计会用到上百次的工具调用,所以这六个模型的推理强度全部拉满,能够真实的展现它们在整个过程中的综合能力。 在最后比较这六个模型的这个能力之前,我们要先来看一下这次任务我们实际使用的账单跟这个生成的速度。 gpt 五点五呢,最快十六分钟 up, 四点七,二十九分钟 up, 开启了 x high。 这个之后啊,花费也是高的离谱, 比 g p t 五点五还贵了三倍多。然后其他的像 deepsea v 四 pro, 然后 kimi k 二点六, g r m 五点一,消耗的 token 呢,差不多,所以成本呢,也几乎差不多。但是 g r m 五点一啊,速度上比较慢, 花了四十四分钟才完成,这个原因呢,就是因为 token 接口的吐字速度太慢。因为之前就听说啊,这智普是国产模型里面比较缺算力的这个一家公司账单讲完之后啊,我们来看一下最终的成品到底是长什么样子。我想按两个维度来评价这次的任务啊, 就是排版跟内容,排版呢,是排版的结构,然后图案的比例,动画字幕这些内容呢,就是指选择题啊,旁白啊,判断力啊这些。然后六个模型呢,按照这两个维度的综合表现,我可以分成三档,第一梯队呢,就是 up 四点七和 gpt 五点五,大家可以看一下它们生成的视频啊。 h n 今日速览 top 一 百里三件事不讲废话第一件 deep c v 四,一千九百八十九分一千五百一十六条评论全列录零抠的跑在华为升腾上 pro 模型每百万输出 token 三点四八美元。 h n 原话从黑客到黑客 第二件, open a i 当天甩出 gpt 五点五,一千五百五十三分。记者分拣封顶贴 andropet missus, 但社区泼水幻觉率百分之八十六,是 opus 两倍多。第三件,最游戏九百零六分的热铁,在 bug 质量下滑。同一天, google 宣布向 andropet 注资最多四百亿美元,社区点透循环贸易, andropet 拿钱回头买 google 的 tpu。 全剧看 top 一 百 ai 话题十五条,却吃掉百分之三十一,得分百分之四十一。评论 谷里四条是 ai 域名榜第,靠十六次领跑。数据采自四月二十五日 h n 热榜,今天 h n 前一百条里, ai 大 模型占三十二条,合计一点一万分七千二百五十七条评论,榜首讨论集中在 deepsea v 四 g p t。 五点五和科沃质量风波。 deepsea v 四拿到一千九百八十九分,一千五百一十六条评论,社区最在意的不是发布会,而是低价好文档,以及跑在华为芯片站上的完整 阅帖。评论里的核心质疑是, ai 编程下的写代码时间是否又变成了独代码和审查成本工作计划最高头 n 四百亿美元, 把它看成供应商融资前 tpu 云和同要成闭环。如果模型商品化,真正的利润可能在算力入口比特和 c i l 供应链攻击,无科技拖拉机走红也只向同一个情绪。技术越强,社区越想要可验证,可修,少锁定系统。今天的关键词是可信。 从排版角度来讲啊,这一档的模型有完整的编辑自觉分进脚本呢,会自动标注 t t s。 实测的时长精确到秒,然后再去反推画面的时长。 g p g。 五点五的定稿啊,甚至自己列了这个时间码的对照表,图文的重点分明,然后动画的节奏也很合理。 t p t。 五点五的短板是首页的,这个数据格式化,没有正确的去渲染。然后从内容角度来说呢, oppo 四点七旁白其实是最讲究的,这可能跟大家的直觉上也比较吻合。 开场四秒钟就切入了三件事情,每一件呢都有具体的数据,加上一句这个嗨客女子原话做压轴,结尾呢,还单独留了十几秒钟做整体的这个全局的数据的复盘,然后这六个里面是唯一一个自己做了 结构化数据分析的这个模型, g p t 五点五呢,选题抓到了这个资本与算力的闭环这个独特的视角。别人都在讲模型本身,然后他呢,在讲生态,在讲一个大的宏观的这个这个角度,但结尾啊,那句就是今天的关键词,是可信。这样句话呢,我觉得就比较仓促了,像他感觉到时间快到了,然后硬切了一个结尾,这种感觉 怎么说呢,就是五十七块钱的 office 啊,贵是真的贵,但能力呢,确实也是最顶尖的。中间党的两个模型呢,就是 dipstick v 四 pro 跟 gim 五点一这一党的模型啊,都只是完成了整个工作的一半,但只是完成的一半不同。 v 四 pro 呢,赢在内容。 r m 呢,赢在了排版。 v 四 pro 的 排版呢,主体是左右结构的,图片被挤得比较小,文字也比较小,远不如第一梯队的那种舒展的,然后清楚的感觉,但有亮点啊,就是首页它做了一张热力图,是这六个模型里面我觉得最具设计感的这个开场,然后结尾这个转场,还用了这个色块动画,看得出来很有这个设计的意图啊。 然后字幕显示呢,我觉得就是比较正常。 v 四 pro 的 内容啊,我觉得它写的旁白是六个模型里面最像写给人看的一份。 d c v 四,近两千顶铁, 完全开源零抠的纯华为 samsung 芯片社区最镇的不是跑分式文档,开发者说比 open a i 好 太多。有人留了四个字, from hackers to hackers。 敢直接把这个 hacker news 的 评论原话当京剧引进来。 from hackers to hackers, 然后循环贸易 中表达呢,保留得很完整,四个镜头的每一个都有一句压得住的短句,然后开源再追,闭源再堵,开发者用脚投票。这句收尾呢,比 opus 我 觉得是最接近第 题。对的,开头有数据统计,然后文字跟图片都足够大,排版很舒服。唯一的问题呢,就是字幕遮住了这个皱纹。我反馈了一次之后呢,也没有修好,但是 g r m 五点一的内容啊,就差强人意了,基本都是新闻播报, 每个镜头的结构呢,都是谁发布了什么数据,多少社区说了什么东西,没有一句呢是自己的这个视角,自己的判断,也没有把几件事串联起来一起的。这个整体的视角只看排版呢。 g r m 真的 厉害,但是把旁白跟分镜如果也算进去的话呢,我觉得 v 四 pro 可能更好一点,所以我把这两个呢,都放在第二档。第三档呢,就是 v 四 flash 跟 kimi k 二点六这一档啊,为什么放在第三档呢?就是因为我觉得它在排版跟内容上面都有些硬伤。你比如说啊,像 v 四 flash 的 这个排版,所有的页面呢,都是同一个上下结构, ppt 模板, 十六比九的图呢贴在上面,然后有大片的空白,字也偏小,开头的数据呢没有渲染出来,字幕也缺失,反馈之后呢,还是没有修复好。至于 vs flash 的 这内容呢,它的旁白基本上也就是在复读这个帖子标题,然后像 deepsea vs 那 段,讲到 sweetband 突破百分之八十,适配华为升腾,这现在都是标题的原话。还有的那段呢,也只是把世界名完成了念一遍, 完全没有自己的这种视角跟判断。然后 kimi k 二点六的排版呢,深图有浓郁的这种 ai 的 味道,深图的提示词呢,也是比较差的,图片也被裁切了,没有完整的展示,然后字呢,也偏小。 kimi k 二点六的内容啊,比 vs flash 我 觉得稍微强一点。选题呢,选了卡尔的信任危机,然后谷歌的助资 把续命和买保险两层的意思呢,都点到了旁白,比较有节奏感。不过相比第二档的 v 四 pro 啊,我觉得还是有点差距的,大家也可以自己看这两视频对比一下。最后来跟大家总结一下,就 gbt 五点五跟 oppo 四点七呢,排版跟内容两件事啊,都非常在线,贵呢,确实有贵的道理。 然后像 v 四 pro 跟 g m 五点一呢,都只能做到一件事,然后卡在中间。然后 v 四 flash 跟 kimi k 二点六呢,在我这个测试当中,两件事都没做到,所以我只能把它排在第三档了。收回这个 dipstick, v 四本身啊,国产第一梯队我就完全是没有问题的。 v 四 pro 一 百万的上下文,性价比也非常的高, 从内容上来说呢,甚至有时候可以超过 g p t 五点五,但综合实力呢,跟 opus 跟 g p t 五点五我觉得还是稍微有点差距。但你聊一下这次测试的本身的局限性,因为六个模型都只跑了一次,会有很大的这个随机性,换一次呢,可能结果又不一样了。 任务设计啊,我这次也是比较偏重于这个视觉方面跟代码能力的,对纯文本推理能力啊,其实不是特别的敏感。真正严谨的测试呢,应该每个模型都去跑 n 次,然后去它的分布,然后再叠加这个盲测打分。这期视频呢,算一个不太严谨的这个测试, 给大家一个基本的这种参考。最后再跟大家说一下,这次测试呢,用的 agent 是 派,在国内还比较冷门,但我现在自己啊,就是内部几乎所有非代码的任务呢,都在它上面跑,非常的顺手,非常的听话,非常的爽。它是个开源项目,完全不是广告,感兴趣的朋友呢也可以自己去学习一下,自己去体验一下。好了,今天视频就到这里,我是李总,黑经理超,我们下次见。

母亲言新出了个模型啊,怎么样?这个模型他说说非常厉害。 jim 五吗?我看看啊,像有的官方说的,他的 humanity last exam exam 评分是比较高的啊,就拿这个评分来说啊啊,其实我们测一下会有很大的问题,你看一下这个屏幕,我看看 我们呃抽取了 horamis 的 mass 数据集,大概是一千多道,然后去测这个质朴清源拿这个呃正比奈,正比奈 flash 作为这个评判遇到一个什么问题呢?我发现他在解答这种数学类的问题的时候,他的思考时间头肯输出了将近两万,也就是说他两万还在思考都没有输出完, 所以说我们这个他根本就测不了,在我们看来,然后即使测的了的话,一次回答的成本大概在呃五毛钱左右,就一个问题大概在五毛钱,而且还两万都没有出答案,所以我们在想会不会是我们的测试出了问题, 于是我们又到了他的这个官方上,就试验了一下啊,现在还在跑是吧?我们这个数据集从呃几分钟之前就开始跑,呃直接停掉,然后我们可以往上拉,一直拉一直拉,就你就说他这个思考过程无限的延长,无限的思考,他虽然这个回复的内容是正确的,但是他貌似陷入了一个死循环的过程。 就是你是让他回答了一个问题是吧?数学问题, melodies 里边的一个数学 max 类别的问题啊,问题其实不复杂,他是一个单选,他有两两种类型,第一是选择题,第二是那个检查题。我们在问给他这个数学问题的时候,问了两道到三道,基本就是无限循环,然后他的费用基本在无限上涨, 所以我们我们也可能比较怀疑像这种评分它虽然很高,有没有可能它的思考过程会非常的长,可能是无限的,也他可能把这个给忽略了,他能思考一个问题,思考五分钟出了一个答案。我们也测了一下,像 jimmy、 nike 这种可能也就几秒钟就出答了,所以它会存在这样一个差异点, 所以说它这个评价体系稍微有点问题。也不算吧,我们后续可能还会对这些整体评价再整体测评一下,至少我们现在现在来看还是跟大家想的差别很大, 太大了。数学问题你要等个十几分钟去给你解出来。那我都做完了,你自己都做完了,哈哈哈,考试都结束了是吧?该交卷了。对,我们也建议在啊,我们建议在回答的时候还是把这种时间这个综合的都考虑进去。

哈喽,大家好,今天咱们来聊个挺重磅的消息,智普 ai 联合华为开源了 glm in max 模型,这可是首个国产芯片训练的多模态 sota 模型。没错,我也看到这个新闻了,能先给大家说说这里面几个核心企业分别负责啥吗? 必须的,首先模型研发和开源是智普 ai 来做的,他们负责把这个模型从想法变成现实再分享出来。 那算力这块呢?训练这么大的模型,肯定需要超强算力支持吧?没错,算力底座和框架是华为升腾提供的,用的是 atlus 八百 t a 二设备,加上 matesboard ai 框架,这可是模型能顺利训练完成的关键。那大家要去哪里下载或者用这个模型呢? 开源平台有三个, hackinface 还有摩达社区,不管是国内还是国外的开发者都能方便获取。 这个模型的技术架构。有啥特别的地方吗?他用了自回归加扩散解码器混合架构,这也是他能有出色表现的原因之一。而且他还是首个全程在国产芯片上完成训练的苏特多模态模型,这意义可不小。 那他的实际表现咋样?有没有啥亮眼的数据文字渲染?在 cvt g 二 k 和 longtext 的 版尺榜单都是开源第一,而且支持从一千零二十四乘一千零二十四到两千零四十八乘两千零四十八多种分辨率生成的图片,清晰度和细节都不错。那使用成本高吗?普通人能用上不? 一点都不高, api 调用生成一张图片仅需零点一元,价格非常亲民。那它能用来干啥呀?有啥具体的应用场景?应用场景可多了,科普插画、多格图画、社交媒体封面、商业海报,还有写实摄影都能搞定,不管是个人创作还是商业用途都合适。 这么看来,这个模型不仅技术上有突破,还挺实用的。没错,它的开源对于国产 ai 模型的发展也是一大助力,能让更多开发者参与进来,推动国产 ai 的 进步。今天的分享就到这里了,感谢大家的收听,咱们下次再见。

这也太快了吧,大模型第一的位置已经悄悄换人了。就在前几天,致富版最新模型 glm 五点一毫无预兆地向所有 coding plan 用户全面开放。官方评测数据显示, glm 五点一的编程能力直接飙升到了四十五点三分,相比五点零版本性能提升了将近百分之三十。老实说,这操作太像当初的 dc, 不搞花里胡哨的营销造势,是骡子是马,让用户自己去遛,主打就是一个技术自信。而且这次升级的核心直接指向了智能体工程,专攻长距离、多步骤的复杂工程任务。接下来直接带大家实测一下, 任务是从零搭建一个带用户注册、商品展示和订单管理等等的前后端分离购物商城系统。正常来说,这是一个初级工程师,大概需要三到四天的工作量了。我先给了 gln 五点一张参考图,然后用大白话输入了一段提示词, 发完了我就坐在旁边看着他干。他先是主动写了一段执行步骤,说明每一步怎么搭建,包括先做后端搭建,然后产品分类、购物车订单管理,再到前端页面的搭建,最后集成数据并往上。然后他就开始一个阶段一个阶段的写,后端框架搭建、前端页面生成安装依赖项验证构建结果。 而且不像以前用的某些开源模型,写完一段就得监督下一段。除了中间让我授权一些权限, gln 五点一的每一步都是他自己推进的。 最让我惊讶的是,中间出现了 n p n 缓存权限和 x n l 文件解析问题。以前用别的模型到这里基本就要人工介入排查,报错再未回给他了。但 g l n 五点一顺着报错自己排查了一遍,定位到问题之后自己改掉了,然后继续往下走, 最后交付的时候登录注册能顺利跑通,权限控制生效,数据看版也能正常展示。整个过程只用了不到三个小时,而且对话框我一句都没有输入过。可以感受到,整个测试过程里, g l m 五点一体现出了极强的状态延续和目标保持能力,特别是在长城任务的执行和交付上, 跟 k 二点五确实拉开了一个升位,它的编程能力真的可以说是当前模型里断档领先的水准了。看完这个案例,就问你黄不黄? 以前总觉得 ai 只是帮我们提效的工具,我们自己才是那个做决策把控权的人,但 g l n 五点一展现出来的能力,就像是一个自己就能把控权的资深工程师, 以及去焦虑害怕被替代。不如想清楚我们的核心竞争力到底是什么。未来不再是比谁更会敲代码,而是比谁能更好的给 ai 下任务,成为驾驭这些智能体的人。

今天行业都在感叹智普的 g l m 五有多炸裂,但同样让人惊喜的是国产 a 芯片,比如海关 d c u 同时完成的适配,业内叫 d 零支持 啊。听起来只是速度快,但这次 g l m 五和海关 d c u 的 合作,我觉得有不少值得琢磨的地方。你们想, g l m 五 是七十四 b 参数的大体量模型,激活参数四十 b, 预训练数据二十八点五 t, 这种体量的模型,想要在国产算力上跑出高吞吐、低延迟,靠通用方案根本做不到。 海光 d c u 团队这次是深度介入的,从 d t k 自研软件站到底层算值,逐层做联合精调,不是模型出来了再适配,而是研发阶段并行走。结果是什么? g m 五在海光 d c u 上实现了稳定部署, 全球用户可以汲取即用,这不是能用层面的兼容,是好用层面的优化。过去国产算力经常被垢病的一点是, 模型跑是能跑,但是效率上不去,成本压不住。这次海光 d c u 配合 glm 五的稀疏注意力架构,把陀螺效率提上去,部署成本降下来,恰恰是对这个痛点的直接回应。 算力不该是模型落地的瓶颈,海光 d c u 这次证明了国产算力可以不拖后腿,还能往前补位。

没有想到都跑手机的朋友们,恭喜你省了三千五,因为就在昨天的时候,支付把它的 autgrm 开圆了,它可以直接机关你的手机屏幕,替你思考点击输入场景,覆盖了五十多个高频的中文 app, 比如说微信、淘宝、抖音、美团这些核心的场景,它都是可以跑的。 我拿它做了两个小测试,有亮点,当然也有吐槽点。首先第一个点外卖,它是真的可以跑通,比如说你想在美团上去下单,然后到加购,下单路径是很顺畅,你会产生一种错觉, 好像手机里面住了一个非常懂你小助手一样。第二,他的一个跨平台笔架是很实用的,我可以让他对比淘宝和京东同款拖鞋,他能够自己搜,自己去对比,最终给出你的一个结论,这就不是什么聊天机器人了,这相当于一个端侧 a 阵的他真真正正的上桌了。更关键的是什么?他居然很克制, 比如说他碰到了支付或者验证码之类的敏感操作呢?它会自动停止让你接管,很聪明,不会约借。但有一点很值得吐槽,就是现在的形态对普通人是不够友好的,你要用电脑通过 a、 d、 b 去控制手机体验,实际上更像是你在电脑面前远程控制着你自己的手机,就很奇怪。大家如果想要试试,可以找我拿下开源地址 和它的一个部署教程。智普啊, autolm 开源,我想说的是,它的价值不是在完美的体验,而是说它释放了三个信号。第一, ai 手机的异件可能要被打下来了, 以后的 ai 体验不一定要靠很贵的硬件,说不定就是靠的一个开源框架加它的一个端侧的能。第二就是大厂的 for a 阵固城河开始变浅了,开发者和极客们可以直接拆改做出来自己的版 本。第三呢,无障碍和轻量自动化领域绝对是要爆了。对于一些操作是很方便的人群来说,语音加 ai 操作就等于手机自由。欢迎大家评论区留下你的想法。

嗨,朋友们好,咱们又见面了,今天聊一下这个最近刚出的智普的 glm 五点一,我这几天 使用了一些心得体会,之前使用的主力模型是 mini max 二点七,那么今天我把这辆模型放在一块对比,来给大家说一下具体的使用心得。我设计了三个任务,让他们分别去执行。第一个是比较简单,就写一个登录页面, 包括后台的逻辑啊,前后台的逻辑就写了一个登录页面。然后第二个是一个做了一个相对复杂一点的,就是税户备份跟恢复的这么一个功能 啊。第三个,呃,就更复杂一点,是做了一个量化交易的一个策略,我把这三个任务分别交给这两个模型去执行,然后我们看一下,从三个方面去看一下他的对比,第一个是时间,第二是个成本,第三是质量, 从这三个方面来对比一下。首先说这个最简单的,这个登录页面,两个模型分别都跑了大概五分钟左右,速度差不多,具体的后面的小数点我就不说了,大概五分钟左右都跑出来了, 然后运行呢?基本上都是一次通过,没有给我留坑,一次通过,然后调用的这个成本我查了一下, mini max 大 概是花了一块五吧,反正挺便宜,没多少钱, 因为这个任务比较简单。第二个,咱说第二个任务,第二个任务是做了一个备份恢复的这么一个任务啊,那这个 mini max 跑了大概十二分 钟,然后交安跑了大概跑了十五分钟,速度相差不大,差了三分钟,然后 mini max 执行完了之后,我跑了一下程序,呃,有点小瑕疵,然后我又把这个日期给到他,然后 他自己又修了一下,基本上最后也能运行。最后我查了一下这个调用的成本,大概是四块多,不到五块钱,然后 jm 呢?不错,就一把够。然后我查了一下调用成本,大概也是五块多一点啊,比 mini max 稍微贵一点。 ok, 然后最后一个比较复杂的,这个一个交易策略的这个量化模型实现。嗯,那这次呢? mini max 掉链子了,嗯,怎么调都过不去,最后我手动干预才过去了, 然后前后花了大概半个多小时吧,三十五六分钟,差不多四十分钟,然后费用大概是十块钱,然后那个 g m 基本上是一把过,有一些小瑕疵,把日子扔给他,大概是调了一次就一把过了。嗯, 时间也是二十来分钟,二十五分钟左右,然后成本的话看了一下,大概是十二到十三块钱。然后综上所述啊,我觉得这安排的挺香的,尤其是在处理这个复杂任务的时候。 ok, 今天就聊这么多,嗯,谢谢大家。

今天上午 g i 发布了五个版本,除了基建模型的能力提升参照题之外,我还注意到三个非常有意思的点。 在第一个,它号称抠定能力已经对齐了 cloud 的 四点五,从能够会写代码并且能够完成这第二个,它支持了大龙家,支持 open, 能够在 open 里面接入 g m l 五 来完成一些非常复杂的主动式和刺激的任务。那第三个呢?它还提供了一个 excel 的 ai 插件,让我们在 excel 里面用自然而 易的来去完成公司的编辑,脚本的编辑的一些数据分析工作。很搞笑的是,目前你这个版本是针对 pro 跟 max 的 应用户开放,那我这种 max 用户不会使用吗?那我回家的第一件事就是要升级到 max 跟 pro 版本。

没买恩卡,中国公司训练出全球第一 ai 模型,智普 ai 发布 glm 五七千四百四十亿参数 lm arena 开源模型第一性能超 gemini 三 pro 七四四 bemo 架构四十亿活跃参数训练数据二十八点五万亿 token 支持二十万上下文 mit 开源代码测试七十七点八分抄 gpt 五点二数学推理九十二点七分幻觉减少三十五点,这才是真智能。 华为升腾芯片训练零安卡依赖价格八分之一,每百万 tocan 只要一美元。技术加币源政治里程碑,关注我评论区,告诉我开源能超越币源吗?