磁县网站设计公司,百度网址大全 简单版,网页前端模板网站,一个vps可以建多少网站前言#xff1a;大模型可以根据其主要的应领域和功能#xff0c;可以分类为“文生文”#xff08;Text-to-Text#xff09;、“文生图”#xff08;Text-to-Image#xff09;和“文生视频”#xff08;Text-to-Video#xff09;#xff0c;都是基于自然语言处理#…前言大模型可以根据其主要的应领域和功能可以分类为“文生文”Text-to-Text、“文生图”Text-to-Image和“文生视频”Text-to-Video都是基于自然语言处理NLP和计算机视觉CV的大模型所实现的功能。这些大模型的发展极大地推动了人工智能技术在各个领域的应用并且随着技术的进步未来可能会出现更多创新性的应用和服务。 一、AI大模型分类
1.1、文生文大模型(Text-to-Text) 这类模型专注于文本生成和变换任务如回答问题、文章写作、摘要生成、新闻撰写、故事创作、翻译等。市面上经典应用包括ChatGPT、通义千问、豆包、文心一言等。 一些典型的模型包括 - LlamaMeta推出迄今为止能力最强的开源大模型Llama 3系列发布8B和70B两个版本。 -Qianwen阿里云开源通义千问 Qwen2 大模型Qwen2的开源旨在推动全球范围内的落地和商 业应用并计划将Qwen2扩展为多模态模型融入视觉和语音理解能力。 -ChatGLM清华开源的GLM-4-9B模型在综合能力上比ChatGLM3-6B提升了40%并且在中文学科能力上提升了50% - GPT系列如GPT-3, GPT-4由OpenAI开发广泛用于生成连贯的文本。 - Bard由Google推出是一个能够生成对话和文本的模型。
1.2、文生图大模型 (Text-to-Image) 这类模型能够根据给定的文字描述生成相应的图像。应用于创意设计、插图生成、游戏开发中的角色或场景生成、艺术创作等。市面上经典应用Midjoumney是一款AI制图工具只要关键字就能通过AI算法生成相对应的图片只需要不到一分钟。 一些典型的模型包括 - Stable Diffusion一个开源的生成模型能够根据文本生成图像。 - Kolors快手推出的文生图大模型支持多种风格的图像生成。
1.3、文生视频大模型 (Text-to-Video) 这类模型可以根据文本描述生成视频内容。应用于视频制作、广告创意、教育视频生成、娱乐内容创作等。市面上经典应用Sora美国人工智能研究公司OpenAI发布的人工智能文生视频大模型但OpenAI并未单纯将其视为视频模型而是作为“世界模拟器。 一些典型的模型包括
Open-Sora1.0由Colossal-AI团队开源的视频生成模型能够从文本生成视频。 二、开源大模型总结
针对“文生图”、“文生文”和“文生视频”的分类下面列出一些当前较为知名的开源大模型。
2.1 、开源文生文大模型 Llama : Meta发布的开源模型支持多种语言。Llama 是由 Meta AI 开发的一系列语言模型。稳定的版本称为 LLaMA2特别是 LLaMA2 Long它具有长达 32,000 个 token 的上下文窗口并且在多项任务上显示出了超越 ChatGPT 和 Claude2 的性能。这意味着 LLaMA2 在处理长文本和需要更多上下文的任务方面更为出色。最近开源标杆Llama-3.1登上开源顶峰但其最强的405B版本模型900多GB的内存需求对资源构成了更加苛刻的挑战。 QianwenQianwen千问是阿里云推出的一系列大规模预训练语言模型。这些模型可以执行多种自然语言处理任务包括但不限于文本生成、对话管理和代码理解。它们在多个基准测试中取得了优异的成绩并且由于是开源的可以被广大开发者用于各种应用和服务中。 ChatGLMChatGLM 是智谱AI发布的一款对话模型基于智谱AI自主研发的中英双语对话模型ChatGLM2。智谱清言具有千亿级别的参数并且提供了丰富的文档和代码功能允许用户根据自己的行业需求对模型进行训练和优化。智谱清言的主要功能包括但不限于内容创作、信息归纳总结、通用问答、多轮对话等。智谱AI还在持续更新和改进其模型例如发布了GLM-4开源模型该模型相比之前的版本有了显著的能力提升。GLM-4-9B模型在综合能力上比ChatGLM3-6B提升了40%并且在中文学科能力上提升了50%。此外智谱AI还提供了支持多达26种语言、最高支持达1百万tokens长文本等功能。 GPT-J: 一个基于GPT-3架构的开源模型具有60亿参数。 GPT-NeoX: 一个拥有200亿参数的开源模型基于GPT-3架构。 BLOOM: 一个多语言模型支持47种语言具有1760亿参数。
2.2、开源文生图大模型 Stable Diffusion: 一个非常流行的开源模型能够根据文本生成高质量的图像。 Sora Colossal-AI团队发布的开源模型支持从文本生成图像。 Kolors: 快手可图是由快手公司基于Stable Diffusion框架开发的大规模文本到图像生成模型在图像质量和综合评分方面表现出色。 HunyuanDiT: 腾讯开源的混元文生图模型采用DiT架构支持中英文输入及理解。
2.3、 开源文生视频大模型 Open-Sora1.0: Colossal-AI团队开源的模型能够从文本生成视频。 Make-a-Video: 由Meta AI团队发布是一个能够根据文本生成视频的模型。
2.4、 其他相关模型
RCG (Representation Conditional Generation): 由麻省理工学院和Meta合作开发的模型能够在没有人工标注的情况下生成图像。 三、2023-2024大模型关键进展
自2022年11月30日Chat GPT发布以来 AI大模型在全球范围内掀起了有史以来规模最大的人工智能浪潮 。 国内学术和产业界在过去一年也有了实质性的突破 。 大致可以分为三个阶段 即准备期 Chat GPT发布后国内产学研迅速形成大模型共识 、 成长期 国内大模型数量和质量开始逐渐增长 、爆发期 各行各业开 源闭源大模型层出不穷 形成百模大战的竞争态势 。 中文大模型基准测评2024年4月报告
GLM-4-9B智谱AI推出了一个新的实力强大的小模型
AI生图格局大震Stable Diffusion 3开源倒计时2B单机可跑碾压闭源Midjourney
Meta震撼发布Llama 3一夜重回开源大模型铁王座 大模型千问2Qwen2系列新产品来了
腾讯混元文生图大模型开源Sora 同架构更懂中文
