QVQ-72B：世上唯一开源免费视觉推理大模型

2024-12-22

Kimi视觉推理大模型：差评！

看网上都在吹Kimi的视觉推理大模型，说得神乎其技，可以取代OpnAI 200刀每月的专业版之类的，真有这么厉害吗？这里我们也来快速测试下。首先，我们来个简单都英语填空题，这种题一般的大模型都能做对，本来就是大语言模型的强项，仅作为最基本验证，它也是没有问题的。再看第二道题，来个脑筋急转弯，分析推理确实是一大堆的，答案也和预期一样，但是它是实打实的脑筋不转弯都从语言学等角度得出的答案，其实这里在中文语境中用脑筋急转弯思路就能很快得出答案，太阳公公嘛，那太阳肯定是男都啰。况且太阳叫做sun，儿子也读作son，也能得到印证。所以我推定它是不适合做脑筋急转弯的，起码不适合做中文的脑筋急转弯。下一道数学题，“一口井7米深，有只蜗牛从井底往上爬，白片爬3米，晚上下坠2米。问蜗牛几天能从井里爬出来？”这里要注意解题的关键点是最后一天可能它不会滑下来了。我们看它分析，前几天都没有问题，第四天，白天爬3米，就是到了6米，晚上滑下来2米，到了第4米，第五天，白片爬3米，4+3刚好7米，所以就爬出来了，就不用考虑晚上往下滑了。所以答案是5天就能爬出去。我们看它最终做了一大堆装模作样的推理，最终还...

2025-02-12

Kimi 1.5推理模型：差评！

国产月之暗面 Kimi 1.5 推理模型测评报告啊！我们知道DeepSeek的推理模型r1轰动全球，而Moonshot同时间推出的Kimi 1.5推理模型号称打败GPT-4o等，还有一帮人网上鼓吹其和DeepSeek r1齐名，看benchmarks的话也确实表现不俗。如此厉害的模型，那我们得赶紧去拿出我们往常的测试用例来测评下了。来到官网，下面这里选择上K1.5长思考，这样就用上了Kimi 1.5推理模型了… 访问入口

2024-11-29

Pixtral 12B：开源视觉大模型

Pixtral 12B是Mistral AI推出的开源多模态视觉大模型，拥有120亿参数。它在图像理解、文档分析和视觉问答方面表现出色，能够精准识别图片中的文字、图表、物体和场景。Pixtral 12B完全开源，支持本地部署，可以在消费级GPU上运行（经过量化优化后）。对于需要在自己的应用中集成视觉理解能力的开发者来说，Pixtral 12B是一个性能强劲且完全免费的选择。官方博客

2026-05-19

MiniCPM V4.6：端侧开源视觉大模型！一键手机上直接跑！

MiniCPM-V4.6是面壁智能（OpenBMB）推出的端侧开源视觉大模型，最大的亮点是可以在手机上直接运行！虽然只有几B参数，但通过精心设计的模型架构和量化优化，它在视觉理解任务上的表现可以匹敌更大的模型。你可以在手机上安装后直接拍照提问——AI会实时分析图片内容并回答。对于移动端AI应用和离线视觉识别场景来说，这是一个重要的技术突破。访问入口

2024-11-29

Claude Computer Use API - 大模型如真人操纵电脑

Claude Computer Use API是Anthropic为Claude模型推出的革命性功能，它让AI能够像真人一样操控电脑屏幕——移动鼠标、点击按钮、输入文字、滚动页面、浏览文件等。与传统的API调用不同，Computer Use API让Claude能”看”到屏幕截图，理解界面布局，然后自主执行操作。这意味着Claude可以帮你完成填写表单、查找文件、操作软件等一系列需要图形界面交互的任务，真正实现了”AI替你用电脑”。

2024-11-29

定制大语言模型LLM用RAG还是微调？

这是每个AI应用开发者都会面临的核心问题：想要让大语言模型适应特定领域，应该选择RAG（检索增强生成）还是微调（Fine-tuning）？本视频从技术原理、实现成本、应用场景和维护复杂度等多个维度进行对比分析。RAG适合需要动态知识更新和检索外部信息的场景，微调适合需要模型学习特定输出风格和格式的场景。视频通过实际案例帮助你做出最合适的技术选型。