Github 大模型: 免费用各种付费大模型

2024-11-29

微软最新GraphRAG和普通RAG有什么区别？

GraphRAG（基于图结构的检索增强生成）是微软推出的一项创新RAG技术。与传统的RAG（向量检索+生成）不同，GraphRAG在检索阶段不仅考虑文本的语义相似度，还利用了知识图谱中的实体关系和结构信息。这意味着GraphRAG能够理解文档中概念的层级关系和连接路径——当用户问”苹果公司的创始人是谁”时，GraphRAG能准确关联”苹果→史蒂夫·乔布斯”的关系路径，而不是仅仅找文本相似片段。本视频深入浅出地对比两种技术的原理和适用场景。访问入口

2024-12-26

QVQ-72B：世上唯一开源免费视觉推理大模型

这应该是当今世上唯一一个完全开源免费的视觉推理大模型，相比海外如OpenAI等贵的要命的o3模型，阿里巴巴最新推出的这个QVQ-72B视觉推理大模型遵循都是Apache 2.0的协议，也就是说权重等完全开源，如果我没有搞错的话，这应该是当今世上唯一一个完全开源免费的视觉推理大模型，它只有72B的参数量，但是它在MMLU多模态测试集和MathVision等数学视觉等测试集上的benchmarks得分却不容小觑。下面我们快速的去魔撘上玩下… 访问入口

2024-11-29

Moshi：实时语音通话大语言模型

Moshi是由法国AI研究机构Kyutai开发的实时语音对话大语言模型，被广泛认为是”语音版GPT-4o”。与传统的语音助手不同，Moshi具备真正的实时语音对话能力——它能同时理解和生成语音，支持打断、语气感知、情感表达等自然对话特征。Moshi的延迟极低（约200ms），对话体验接近真人交流。Kyutai将Moshi完全开源，包括模型权重和训练代码，这对于语音AI领域来说是一个里程碑式的事件。访问入口

2024-12-12

Gemini 2.0：6大原生多模态炸裂新功能

Gemini 2.0 原生多模态模型炸裂功能初体验啊！它在benchmarks上有多炸裂我这就不说了，这里是迫不及待的想和大家分享它的几个炸裂功能。首先，我们进入到谷歌ai studio上进行gemini 2.0的访问，免费的credits足够我们用的了。先试下第一个功能实时语音，Hi Gemini, how are you,(Hi，I am doing great , thanks for asking, how can I help you today)can you speak faster please, (sure , …..), can you speak in a way that you are so quiet and whispering?（回答: ….）牛逼吧？第二个功能，视频对话。can you let me know what i am holding now, and count number of items。（回答：。。。。）第三个功能，屏幕分享。what do you see in my screen,( i can se…),ok , wh...

2024-11-29

Nexa AI OmniVision：本地部署多模态大模型

Nexa AI OmniVision的本地部署教程！本视频手把手教你如何在自己的电脑上安装和运行OmniVision多模态大模型。涵盖了：系统要求检查、模型下载、安装配置、API调用示例和性能优化技巧。OmniVision支持处理图像和视频输入，能够在本地完成复杂的视觉理解任务。无需GPU也能运行优化版本，是本地AI部署领域值得关注的多模态模型。官方博客

2024-11-29

怎么给大爷解析大语言模型是怎么训练出来的

大语言模型（如ChatGPT）是如何训练出来的？这个问题如果向不懂技术的长辈解释，该怎么说得通俗易懂呢？本视频用生活中常见的比喻，把大模型训练过程拆解成三个简单步骤：第一步”海量阅读”——让模型读遍整个互联网的书籍、文章、网页，学会语言的基本规律；第二步”跟学”——人类示范高质量的问答，让模型学习如何与人对话；第三步”反馈优化”——让人类对模型的回答打分评价，模型根据反馈不断改进自己。通过这种层层递进的训练方式，一个什么都不会的初始模型就变成了知识渊博的AI助手。