00:00 / 01:04
连播
清屏
智能
倍速
点赞NaN
00:00 / 01:21
连播
清屏
智能
倍速
点赞1768
00:00 / 08:09
连播
清屏
智能
倍速
点赞163
千问3.5多模态大模型性能屠榜,手把手教你免费本地部署 就在刚刚,千问正式发布了最新的开源模型——千问3.5多模态系列!这波真的是全面迈向原生多模态智能体,在开源领域性能几乎无敌,连马斯克都在社交媒体上点赞评论! 本期视频不仅为你深度解析千问3.5的强大功能,还带你实战零门槛本地部署,小白也能轻松拿下! 💡 千问3.5到底有多强? 📏 尺寸全覆盖:从0.8B、2B、4B到最高122B,小尺寸推流速度极快,适合移动/边缘设备;大尺寸媲美GPT,完美平衡性能与资源消耗! 🚀 创新混合架构:总参数量高达3970亿,但每次仅激活170亿参数,保持超强能力的同时大大优化了速度和成本! 🤖 全能多模态 Agent:能边思考边搜索边调用工具!可以把草图直接转成结构清晰的前端代码,协助网页游戏开发;还能作为视觉智能体自主操作手机和电脑,处理跨应用的复杂任务,极大提升工作效率! 👁️ 地表最强视觉推理:原生支持代码级的图像处理,自动裁剪放大细节,在物理空间关系和视觉逻辑推理上表现极其稳健! 💻 保姆级本地部署实战: 在视频后半段,我会手把手教你如何使用 Ollama 进行本地部署,并教你对接到 Open WebUI 和 Telegram 机器人! 划重点:完全本地运行保证数据安全,完全免费,不需要消耗任何 Token!配置成功后,你就可以随时随地在手机上调用你的专属私人大模型了! 👇 部署所需的全部资料和指令都已经准备好了!赶紧点赞、收藏,跟着视频实操起来吧!遇到问题欢迎在评论区留言交流~ 🏷️ 话题标签: #AI大模型 #通义千问 #千问3.5 #本地部署教程 #Ollama #人工智能 #程序员必备 #黑科技 #零度解说 #多模态大模型
00:00 / 06:02
连播
清屏
智能
倍速
点赞31
00:00 / 03:53
连播
清屏
智能
倍速
点赞275
00:00 / 01:38
连播
清屏
智能
倍速
点赞14
00:00 / 00:10
连播
清屏
智能
倍速
点赞11
00:00 / 05:41
连播
清屏
智能
倍速
点赞10
00:00 / 00:35
连播
清屏
智能
倍速
点赞12
实测翻车!千问3.5写个小游戏烧了我1000万Token! #大模型实测 #千问35 #避坑指南 #AI写代码 #Token刺客 一、实测背景:用千问3.5开发3D小游戏 1. 测试目的:通过TRAE平台,使用千问3.5生成一个3D滑雪小游戏,测试其代码生成能力和实际效果。 2. 生成结果:经过多次对话优化,最终生成了一个滑雪场小游戏,支持方向转动,但存在bug(如滑出屏幕外)。 二、严重问题:Token消耗惊人 1. Token消耗:整个开发过程调用138次,消耗超1000万Token。 2. 换算理解:100万Token约等于一本书,1000万Token相当于10本书的量。 3. 成本计算:按千问3.5定价0.8元/百万Token,消耗约8-10元。虽然单价低,但消耗量巨大,若换成高价模型则成本爆炸。 三、对比测试:谷歌Gemini 3表现 1. 同样提示词:使用谷歌平台生成同款滑雪小游戏。 2. 对比结果: - 运动逻辑:谷歌Gemini 3更还原滑雪场景,运动逻辑更真实。 - 画面表现:两者差距不大,但谷歌画面稍好。 - 成本优势:谷歌平台免费生成在线APP,无Token消耗压力。 四、模型排名:千问3.5实际表现 1. 查询平台:主流大模型竞技场排名(人工反馈评估)。 2. 排名数据: - 千问3.5(3397B):排名第20,超越GPT-4.5,但与头部差距明显。 - 亮点模型:豆包Seed模型排名第4,GLM-5排名第12。 - 榜首:Claude Opus 4.6。 结论:千问3.5声势虽大,但实测效果和排名均未达顶尖,与闭源模型仍有差距。
00:00 / 02:39
连播
清屏
智能
倍速
点赞18