模型
Google 全新 AI 模型「Gemini」推出，30 项测试都赢过 GPT-4v，比专家还强
newsman 发表了文章 • 2023-12-25 18:03
Google 的 Bard AI 机器人过去曾使用 LaMDA 系列的语言模型，后来改为 PaLM2，如今正式宣布推出自家的语言模型 Gemini，使用 TPU v4 和 v5e 芯片进行训练，强调多模、多样化的解析能力以及运行效率，甚至在多项测试中赢过 OpenAI 的 GPT-4 模型。
Google 自家原生 AI 模型，多项测试赢过 GPT-4v
Gemini 是 Google 推出的「原生」AI 模型，可以处理包含代码、文本、声音、图片、影片这些不同形式的内容，而且因为 Google 的数据库中有着巨量的内容，是训练 Gemini 很棒的资源。
Google 甚至表示 Gemini 可以直接「看懂」图片，而不是像过去使用 OCR 的方式扫描图片然后再辨识上面的文本这种方式来分析图片。
在 Google 的影片中，拿了两张图片做比较，Gemini 可以回答右边图片中的汽车会跑的比较快，因为符合空气力学的关系，但你可以注意到，图片中并没有任何的文本，如果使用传统 OCR 解析图片的方式，就无法判断出这些内容。
Google 展示的内容中，甚至还直接画了一只鸭子，而 Gemini 也可以很快地理解出用户话的内容是什么。
Gemini 也能够解析代码、C++、Java 等常用编程语言，甚至是爬虫都可以，不只分析，也能够按照你要的需求、指定的语言生成代码。
Gemini 的运行速度也相当快，在一个午休的时间就可以阅读完 20 万份的论文，并且从用户要求的关键字、条件去查找相关的数据，找出 250 份符合资格的论文以及我们要找的数据在哪里，并且整理成一份清单。
如果拿来和 OpenAI 的 GPT-4v 和 Gemini 做比较，全部 32 项测试中，有 30 项测试是由 Gemini 胜过了 GPT-4v，而且在 MMLU 大规模多任务语言理解的测试中，包含了历史、法律、医学、数学….等 57 个科目中，Gemini 都有达到 90% 的水准，甚至超越了人类专家的表现。
Gemini 也有适合手机使用的版本，Pixel 8 Pro 优先体验
Gemini 共有 3 种不同大小的模型版本，分为 Ultra、Pro、Nano，其中的 Nano 版本最小，甚至可以直接安装到手机上使用，Google 也表示 Nano 版本就针对行动设备所打造的，旗下 Pixel 8 Pro 也会优先开放使用。
其中最大型的 Gemini Ultra 也就是上面所说，在 32 项测试中赢过 GPT-4v 其中 30 项的大型版本，预计明年推出，但在此之前将会先提供给部分用户、开发者以及企业用户。
而中型的 Pro 版本则是现在就可以使用，部分使用英文语系的用户在使用 Bard 的时候，就会自动用上 Gemini 模型，12/13 Google Cloud 的 Vertex AI、AI Studio 上也会释放出相关的 API。
国内AI绘图工具大PK：商汤秒画、阿里通义万相和百度文心一格，谁的绘图效果更惊艳？
newsman 发表了文章 • 2023-07-24 17:42
最近我也在试用国内AI大模型方面做得比较好的另外两家的AI文生图产品，他们就是商汤秒画和阿里通义万相，他们都是可以免费注册后使用的，使用起来没太多限制，很方便。再结合我之前推荐的百度文心一格也是免费的，今天咱们就来对比PK一下国内目前这三家的AI绘图能力，看谁画出来的图更好呢。
商汤秒画的访问地址是：https://miaohua.sensetime.com/zh-CN
通义万相的访问地址是：https://wanxiang.aliyun.com/
文心一格的访问地址是：https://yige.baidu.com/
好了，大家可以试下注册，注册好之后我们就来开始试用吧。
绘画技能PK
我们用一样的描述词，来看下三款工具的绘图效果。
1、先试下简短的词语：森林里的精灵
首先是商汤秒画的效果：
接下来是通义万相出场：
最后是文心一格出场：
这一轮，大家都把自己心目中的精灵画出来了，难分伯仲。
2、好，那第二轮换一个词：黑夜，北极星发出一束光照射到大海上，杰作，细节丰富，8K，HDR
商汤秒画：
通义万相：
文心一格：
也还是仁者见仁智者见智，各有优势。
3、再来一轮PK，描述词：万马奔腾
商汤秒画：
通义万相：
文心一格：
个人评价，这轮秒画后面许多马有些失真，万相的扬沙效果做得更好，而文心虽然马的细节做得挺好，但是没有画出万马的感觉。
3、再来一个需要一定的知识储备的吧，描述词：武松打虎。
商汤秒画：
通义万相：
文心一格：
这轮很明显，只有秒画get到了意思，万相有点闹着玩啊，文心至少画出了老虎，这轮秒画胜出。
4、之前看过网友用Midjourney生成各个朝代士兵自拍的图片，挺逼真的，这是效果图，今天我们也拿这三个国产AI绘图工具也来试试看，看跟目前最棒的AI工具的差距还有多少。
描述词：公元前1000年，一个秦朝的士兵对着镜头在自拍，穿着盔甲，开心地笑，旁边围着一群士兵，面对镜头也在笑，背景是城墙，上面飘着秦朝的大旗，杰作，细节丰富，HDR，8K画质
商汤秒画：
通义万相：
文心一格：
这轮看来，文心偏得有些多呀，秒画和万相虽然感觉不太像秦朝的士兵服装（我们通过秦始皇兵马俑的着装可以找到原版），但整体摄影感觉还是比较真实的。
5、最后，我们来试试他们的家居设计能力。描述词：现代简约家居设计，一个客厅，桌子，电视，茶几，阳台，沙发
商汤秒画：
通义万相：
文心一格：
整体来讲，都get到了描述词的点，但是个人观点，万相输出的设计更符合主流设计风格，电视机的摆放更合理些。
下面我来分别介绍下这三款AI绘图的使用方法：
商汤秒画
1、我们登录进来后，选择Artist v0.3.0 Beta模型进行绘画，这个是官方团队出品的。至于其他模型，是用户自己再通过一些特定数据集进行训练后的，有些擅长画水墨画、有些擅长出游戏人物，有的擅长画小人书，这个看个人需求。从通用性角度来看，还是官方模型效果最好。
2、我们可以选择一次生成的图片数量、分辨率比例、步数一般设置到最大100，画质效果最好。也可以上传参考图，将会按参考图的样子去生成图片。在描述词上输入内容，点击生成即可出图。
3、目前来看生成图片数量没有限制，而且可以免费使用。
4、我们还可以试下它的图片参考功能，我上传了一个图片，然后输入描述词之后，比如这个天空像一个睡毯，那么得到的效果还是很惊艳的：
通义万相
1、阿里通义万相需要先申请体验，一般要等几天审核通过，通过后会收到短信通知，即可使用了。
2、文本生成图像功能可以输入描述词，目前支持默认、水彩、油画、中国画、扁平插画、二次元、素描、3D卡通八种风格。再选择完一个图片比例后，即可出图了，一次可以生成四张图片。
3、还有相似图像生成功能，如果你有一张图片，担心侵权，但有很想用，那么可以上传图片，然后生成一张类似的图片出来，不过这种方式下不可以再输入描述词。比如刚才它生成“龙凤呈祥”效果不是很拉胯嘛，那么把商汤秒画的图作为原图，看下生成的相似图片，终于像两条龙了：
4、万相还支持“图像风格迁移”，我们可以上传一个原图，再上传一个风格图，就可以生成以风格图的绘图风格修改的原图了。这种一般可以在模仿画家风格中可以用到。比如我这么尝试了下：
5、平台目前还在测试阶段，每天最多可以免费生成50次图，一次4张。
至于你喜欢哪一款AI绘图工具，可以自己再尝试下，选择挺多，咱们不一定要用付费的Midjourney，也可以得到不错的效果呢。
Google 全新 AI 模型「Gemini」推出，30 项测试都赢过 GPT-4v，比专家还强
newsman 发表了文章 • 2023-12-25 18:03
Google 的 Bard AI 机器人过去曾使用 LaMDA 系列的语言模型，后来改为 PaLM2，如今正式宣布推出自家的语言模型 Gemini，使用 TPU v4 和 v5e 芯片进行训练，强调多模、多样化的解析能力以及运行效率，甚至在多项测试中赢过 OpenAI 的 GPT-4 模型。
Google 自家原生 AI 模型，多项测试赢过 GPT-4v
Gemini 是 Google 推出的「原生」AI 模型，可以处理包含代码、文本、声音、图片、影片这些不同形式的内容，而且因为 Google 的数据库中有着巨量的内容，是训练 Gemini 很棒的资源。
Google 甚至表示 Gemini 可以直接「看懂」图片，而不是像过去使用 OCR 的方式扫描图片然后再辨识上面的文本这种方式来分析图片。
在 Google 的影片中，拿了两张图片做比较，Gemini 可以回答右边图片中的汽车会跑的比较快，因为符合空气力学的关系，但你可以注意到，图片中并没有任何的文本，如果使用传统 OCR 解析图片的方式，就无法判断出这些内容。
Google 展示的内容中，甚至还直接画了一只鸭子，而 Gemini 也可以很快地理解出用户话的内容是什么。
Gemini 也能够解析代码、C++、Java 等常用编程语言，甚至是爬虫都可以，不只分析，也能够按照你要的需求、指定的语言生成代码。
Gemini 的运行速度也相当快，在一个午休的时间就可以阅读完 20 万份的论文，并且从用户要求的关键字、条件去查找相关的数据，找出 250 份符合资格的论文以及我们要找的数据在哪里，并且整理成一份清单。
如果拿来和 OpenAI 的 GPT-4v 和 Gemini 做比较，全部 32 项测试中，有 30 项测试是由 Gemini 胜过了 GPT-4v，而且在 MMLU 大规模多任务语言理解的测试中，包含了历史、法律、医学、数学….等 57 个科目中，Gemini 都有达到 90% 的水准，甚至超越了人类专家的表现。
Gemini 也有适合手机使用的版本，Pixel 8 Pro 优先体验
Gemini 共有 3 种不同大小的模型版本，分为 Ultra、Pro、Nano，其中的 Nano 版本最小，甚至可以直接安装到手机上使用，Google 也表示 Nano 版本就针对行动设备所打造的，旗下 Pixel 8 Pro 也会优先开放使用。
其中最大型的 Gemini Ultra 也就是上面所说，在 32 项测试中赢过 GPT-4v 其中 30 项的大型版本，预计明年推出，但在此之前将会先提供给部分用户、开发者以及企业用户。
而中型的 Pro 版本则是现在就可以使用，部分使用英文语系的用户在使用 Bard 的时候，就会自动用上 Gemini 模型，12/13 Google Cloud 的 Vertex AI、AI Studio 上也会释放出相关的 API。
国内AI绘图工具大PK：商汤秒画、阿里通义万相和百度文心一格，谁的绘图效果更惊艳？
newsman 发表了文章 • 2023-07-24 17:42
最近我也在试用国内AI大模型方面做得比较好的另外两家的AI文生图产品，他们就是商汤秒画和阿里通义万相，他们都是可以免费注册后使用的，使用起来没太多限制，很方便。再结合我之前推荐的百度文心一格也是免费的，今天咱们就来对比PK一下国内目前这三家的AI绘图能力，看谁画出来的图更好呢。
商汤秒画的访问地址是：https://miaohua.sensetime.com/zh-CN
通义万相的访问地址是：https://wanxiang.aliyun.com/
文心一格的访问地址是：https://yige.baidu.com/
好了，大家可以试下注册，注册好之后我们就来开始试用吧。
绘画技能PK
我们用一样的描述词，来看下三款工具的绘图效果。
1、先试下简短的词语：森林里的精灵
首先是商汤秒画的效果：
接下来是通义万相出场：
最后是文心一格出场：
这一轮，大家都把自己心目中的精灵画出来了，难分伯仲。
2、好，那第二轮换一个词：黑夜，北极星发出一束光照射到大海上，杰作，细节丰富，8K，HDR
商汤秒画：
通义万相：
文心一格：
也还是仁者见仁智者见智，各有优势。
3、再来一轮PK，描述词：万马奔腾
商汤秒画：
通义万相：
文心一格：
个人评价，这轮秒画后面许多马有些失真，万相的扬沙效果做得更好，而文心虽然马的细节做得挺好，但是没有画出万马的感觉。
3、再来一个需要一定的知识储备的吧，描述词：武松打虎。
商汤秒画：
通义万相：
文心一格：
这轮很明显，只有秒画get到了意思，万相有点闹着玩啊，文心至少画出了老虎，这轮秒画胜出。
4、之前看过网友用Midjourney生成各个朝代士兵自拍的图片，挺逼真的，这是效果图，今天我们也拿这三个国产AI绘图工具也来试试看，看跟目前最棒的AI工具的差距还有多少。
描述词：公元前1000年，一个秦朝的士兵对着镜头在自拍，穿着盔甲，开心地笑，旁边围着一群士兵，面对镜头也在笑，背景是城墙，上面飘着秦朝的大旗，杰作，细节丰富，HDR，8K画质
商汤秒画：
通义万相：
文心一格：
这轮看来，文心偏得有些多呀，秒画和万相虽然感觉不太像秦朝的士兵服装（我们通过秦始皇兵马俑的着装可以找到原版），但整体摄影感觉还是比较真实的。
5、最后，我们来试试他们的家居设计能力。描述词：现代简约家居设计，一个客厅，桌子，电视，茶几，阳台，沙发
商汤秒画：
通义万相：
文心一格：
整体来讲，都get到了描述词的点，但是个人观点，万相输出的设计更符合主流设计风格，电视机的摆放更合理些。
下面我来分别介绍下这三款AI绘图的使用方法：
商汤秒画
1、我们登录进来后，选择Artist v0.3.0 Beta模型进行绘画，这个是官方团队出品的。至于其他模型，是用户自己再通过一些特定数据集进行训练后的，有些擅长画水墨画、有些擅长出游戏人物，有的擅长画小人书，这个看个人需求。从通用性角度来看，还是官方模型效果最好。
2、我们可以选择一次生成的图片数量、分辨率比例、步数一般设置到最大100，画质效果最好。也可以上传参考图，将会按参考图的样子去生成图片。在描述词上输入内容，点击生成即可出图。
3、目前来看生成图片数量没有限制，而且可以免费使用。
4、我们还可以试下它的图片参考功能，我上传了一个图片，然后输入描述词之后，比如这个天空像一个睡毯，那么得到的效果还是很惊艳的：
通义万相
1、阿里通义万相需要先申请体验，一般要等几天审核通过，通过后会收到短信通知，即可使用了。
2、文本生成图像功能可以输入描述词，目前支持默认、水彩、油画、中国画、扁平插画、二次元、素描、3D卡通八种风格。再选择完一个图片比例后，即可出图了，一次可以生成四张图片。
3、还有相似图像生成功能，如果你有一张图片，担心侵权，但有很想用，那么可以上传图片，然后生成一张类似的图片出来，不过这种方式下不可以再输入描述词。比如刚才它生成“龙凤呈祥”效果不是很拉胯嘛，那么把商汤秒画的图作为原图，看下生成的相似图片，终于像两条龙了：
4、万相还支持“图像风格迁移”，我们可以上传一个原图，再上传一个风格图，就可以生成以风格图的绘图风格修改的原图了。这种一般可以在模仿画家风格中可以用到。比如我这么尝试了下：
5、平台目前还在测试阶段，每天最多可以免费生成50次图，一次4张。
至于你喜欢哪一款AI绘图工具，可以自己再尝试下，选择挺多，咱们不一定要用付费的Midjourney，也可以得到不错的效果呢。
Google 全新 AI 模型「Gemini」推出，30 项测试都赢过 GPT-4v，比专家还强
newsman 发表了文章 • 2023-12-25 18:03
Google 的 Bard AI 机器人过去曾使用 LaMDA 系列的语言模型，后来改为 PaLM2，如今正式宣布推出自家的语言模型 Gemini，使用 TPU v4 和 v5e 芯片进行训练，强调多模、多样化的解析能力以及运行效率，甚至在多项测试中赢过 OpenAI 的 GPT-4 模型。
Google 自家原生 AI 模型，多项测试赢过 GPT-4v
Gemini 是 Google 推出的「原生」AI 模型，可以处理包含代码、文本、声音、图片、影片这些不同形式的内容，而且因为 Google 的数据库中有着巨量的内容，是训练 Gemini 很棒的资源。
Google 甚至表示 Gemini 可以直接「看懂」图片，而不是像过去使用 OCR 的方式扫描图片然后再辨识上面的文本这种方式来分析图片。
在 Google 的影片中，拿了两张图片做比较，Gemini 可以回答右边图片中的汽车会跑的比较快，因为符合空气力学的关系，但你可以注意到，图片中并没有任何的文本，如果使用传统 OCR 解析图片的方式，就无法判断出这些内容。
Google 展示的内容中，甚至还直接画了一只鸭子，而 Gemini 也可以很快地理解出用户话的内容是什么。
Gemini 也能够解析代码、C++、Java 等常用编程语言，甚至是爬虫都可以，不只分析，也能够按照你要的需求、指定的语言生成代码。
Gemini 的运行速度也相当快，在一个午休的时间就可以阅读完 20 万份的论文，并且从用户要求的关键字、条件去查找相关的数据，找出 250 份符合资格的论文以及我们要找的数据在哪里，并且整理成一份清单。
如果拿来和 OpenAI 的 GPT-4v 和 Gemini 做比较，全部 32 项测试中，有 30 项测试是由 Gemini 胜过了 GPT-4v，而且在 MMLU 大规模多任务语言理解的测试中，包含了历史、法律、医学、数学….等 57 个科目中，Gemini 都有达到 90% 的水准，甚至超越了人类专家的表现。
Gemini 也有适合手机使用的版本，Pixel 8 Pro 优先体验
Gemini 共有 3 种不同大小的模型版本，分为 Ultra、Pro、Nano，其中的 Nano 版本最小，甚至可以直接安装到手机上使用，Google 也表示 Nano 版本就针对行动设备所打造的，旗下 Pixel 8 Pro 也会优先开放使用。
其中最大型的 Gemini Ultra 也就是上面所说，在 32 项测试中赢过 GPT-4v 其中 30 项的大型版本，预计明年推出，但在此之前将会先提供给部分用户、开发者以及企业用户。
而中型的 Pro 版本则是现在就可以使用，部分使用英文语系的用户在使用 Bard 的时候，就会自动用上 Gemini 模型，12/13 Google Cloud 的 Vertex AI、AI Studio 上也会释放出相关的 API。
国内AI绘图工具大PK：商汤秒画、阿里通义万相和百度文心一格，谁的绘图效果更惊艳？
newsman 发表了文章 • 2023-07-24 17:42
最近我也在试用国内AI大模型方面做得比较好的另外两家的AI文生图产品，他们就是商汤秒画和阿里通义万相，他们都是可以免费注册后使用的，使用起来没太多限制，很方便。再结合我之前推荐的百度文心一格也是免费的，今天咱们就来对比PK一下国内目前这三家的AI绘图能力，看谁画出来的图更好呢。
商汤秒画的访问地址是：https://miaohua.sensetime.com/zh-CN
通义万相的访问地址是：https://wanxiang.aliyun.com/
文心一格的访问地址是：https://yige.baidu.com/
好了，大家可以试下注册，注册好之后我们就来开始试用吧。
绘画技能PK
我们用一样的描述词，来看下三款工具的绘图效果。
1、先试下简短的词语：森林里的精灵
首先是商汤秒画的效果：
接下来是通义万相出场：
最后是文心一格出场：
这一轮，大家都把自己心目中的精灵画出来了，难分伯仲。
2、好，那第二轮换一个词：黑夜，北极星发出一束光照射到大海上，杰作，细节丰富，8K，HDR
商汤秒画：
通义万相：
文心一格：
也还是仁者见仁智者见智，各有优势。
3、再来一轮PK，描述词：万马奔腾
商汤秒画：
通义万相：
文心一格：
个人评价，这轮秒画后面许多马有些失真，万相的扬沙效果做得更好，而文心虽然马的细节做得挺好，但是没有画出万马的感觉。
3、再来一个需要一定的知识储备的吧，描述词：武松打虎。
商汤秒画：
通义万相：
文心一格：
这轮很明显，只有秒画get到了意思，万相有点闹着玩啊，文心至少画出了老虎，这轮秒画胜出。
4、之前看过网友用Midjourney生成各个朝代士兵自拍的图片，挺逼真的，这是效果图，今天我们也拿这三个国产AI绘图工具也来试试看，看跟目前最棒的AI工具的差距还有多少。
描述词：公元前1000年，一个秦朝的士兵对着镜头在自拍，穿着盔甲，开心地笑，旁边围着一群士兵，面对镜头也在笑，背景是城墙，上面飘着秦朝的大旗，杰作，细节丰富，HDR，8K画质
商汤秒画：
通义万相：
文心一格：
这轮看来，文心偏得有些多呀，秒画和万相虽然感觉不太像秦朝的士兵服装（我们通过秦始皇兵马俑的着装可以找到原版），但整体摄影感觉还是比较真实的。
5、最后，我们来试试他们的家居设计能力。描述词：现代简约家居设计，一个客厅，桌子，电视，茶几，阳台，沙发
商汤秒画：
通义万相：
文心一格：
整体来讲，都get到了描述词的点，但是个人观点，万相输出的设计更符合主流设计风格，电视机的摆放更合理些。
下面我来分别介绍下这三款AI绘图的使用方法：
商汤秒画
1、我们登录进来后，选择Artist v0.3.0 Beta模型进行绘画，这个是官方团队出品的。至于其他模型，是用户自己再通过一些特定数据集进行训练后的，有些擅长画水墨画、有些擅长出游戏人物，有的擅长画小人书，这个看个人需求。从通用性角度来看，还是官方模型效果最好。
2、我们可以选择一次生成的图片数量、分辨率比例、步数一般设置到最大100，画质效果最好。也可以上传参考图，将会按参考图的样子去生成图片。在描述词上输入内容，点击生成即可出图。
3、目前来看生成图片数量没有限制，而且可以免费使用。
4、我们还可以试下它的图片参考功能，我上传了一个图片，然后输入描述词之后，比如这个天空像一个睡毯，那么得到的效果还是很惊艳的：
通义万相
1、阿里通义万相需要先申请体验，一般要等几天审核通过，通过后会收到短信通知，即可使用了。
2、文本生成图像功能可以输入描述词，目前支持默认、水彩、油画、中国画、扁平插画、二次元、素描、3D卡通八种风格。再选择完一个图片比例后，即可出图了，一次可以生成四张图片。
3、还有相似图像生成功能，如果你有一张图片，担心侵权，但有很想用，那么可以上传图片，然后生成一张类似的图片出来，不过这种方式下不可以再输入描述词。比如刚才它生成“龙凤呈祥”效果不是很拉胯嘛，那么把商汤秒画的图作为原图，看下生成的相似图片，终于像两条龙了：
4、万相还支持“图像风格迁移”，我们可以上传一个原图，再上传一个风格图，就可以生成以风格图的绘图风格修改的原图了。这种一般可以在模仿画家风格中可以用到。比如我这么尝试了下：
5、平台目前还在测试阶段，每天最多可以免费生成50次图，一次4张。
至于你喜欢哪一款AI绘图工具，可以自己再尝试下，选择挺多，咱们不一定要用付费的Midjourney，也可以得到不错的效果呢。