网络上有不少大模型和Agent评测的文章,但分析都是从整体或者某个行业进行。这篇文章,作者从三个大模型的应用场景出发,给大家分析这几个模型的优劣势,供各位参考。
之前写了AI Agent构建平台的产品评测文,朋友圈后有小伙伴让分享一下openbuddy、coze和通义的优劣势于是我就去搜集了一些资料。
知乎解答-openbudy
通义APP以性能媲美GPT-4 Turbo的基模为底座,并把通义实验室前沿的文生图、智能编码、文档解析、音视频理解、视觉生成等能力“All in one”,成为每个人的全能AI助手。(新闻通稿)
通义官网-产品集
无论你是否有编程基础,都可以在Coze上快速搭建基于大模型的各类 Bot,并将 Bot 发布到各个社交平台、通讯软件或部署到网站等其他渠道。(官网帮助文档解释)
Coze产品截图
当我去收集完这些材料后,我发现这三个产品很难在一个纬度上分析优劣势。openbuddy 是一个具体的模型;通义是一个基于通义千问模型的综合性AI平台,他提供模型、提供模型训练工具;而coze 则是基于已有模型的Bot构建平台(支持接入已有模型,通过文字、流程、插件引导Bot完成具体场景任务)。
大语言模型生态系统-图源AINLP
模型层提供了基础的大语言模型能力,包括开源和闭源两类。
闭源模型的代表有OpenAI 的 GPT 系列和 Anthropic 的 Claude 系列。毫无疑问,目前 OpenAI 的 GPT 系列模型在整个行业中处于领先地位,其性能远超其他大语言模型。
开源模型的代表是 Meta推出的 Llama2。闭源模型就像移动互联网时代的 iOS 操作系统,更易于上手、技术门槛较低。
而开源模型类似移动互联网时代的 Android 系统,对使用者的技术要求更高,但具备更强的可定制性。不管是开源模型还是闭源模型,都提供了模型微调的能力。OpenAI 甚至提供了神经网络的文本向量化功能。
框架层提供了基于大语言模型的开发框架,帮助开发者更快地构建与大语言模型相关的应用。目前市场上涌现出许多出色的开发框架,它们提供了各领域针对大语言模型二次开发的抽象。除了开发框架,还有向量数据库、知识图谱等重要的周边模块。
应用层是基于大语言模型开发的最终应用,ChatGPT 可以说是其中最知名和热门的。这些应用大致可以分为两类:一类是自动化应用,代表产品是 ChatGPT,这类应用需要人类的参与和反馈;另一类是自主 Agent 系统,代表产品是 AutoGPT,这类应用不需要人类主动参与,自主 Agent 系统可以在得到初始命令后进行自主迭代。应用层仍在不断发展,特别是自主 Agent 系统,这是一个充满前景和想象的领域。
中国AI Agent生态-图源知网
中国AI Agent生态是一个多层次、多领域、高度集成的系统,它涵盖了从基础算力到具体应用的各个层面。
在算力层,我们看到了阿里云、百度智能云、华为云等领先企业的身影,它们提供强大的计算资源和存储能力,为整个AI生态的发展打下坚实的基础。
平台框架层进一步细分为两个方向:企业级AI Agent平台和开发者AI Agent开发平台。企业级平台为大型企业提供定制化、高效率的AI解决方案,例如:钉钉、实在智能;而开发者平台则为广大开发者提供了丰富的工具和资源,使他们能够快速开发和部署自己的AI应用,例如coze、文心智能体平台。
垂直应用层是AI生态中最接近终端用户的一环,它包括金融、招聘、营销、供应链、教育、数据分析、AI PC等多个领域。
在金融领域,AI Agent能够进行风险评估和市场分析;
在招聘领域,它们帮助企业筛选简历和评估候选人;
在营销领域,AI Agent通过精准分析消费者行为来优化广告投放;
供应链管理中,AI Agent能够预测需求和优化库存;
教育领域中,它们提供个性化学习体验;
在数据分析领域,AI Agent能够处理和分析大量数据,为决策提供支持;
而在AI PC领域,它们则为用户提供更加智能和个性化的交互体验。
作者:是湘湘呀,公众号:数字化产品笔记
本文由 @是湘湘呀 原创发布于人人都是产品经理。未经作者许可,禁止转载
题图来自Unsplash,基于CC0协议
该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。