日均 tokens 使用量突破 5000 亿——近日，2024 火山引擎 AI 创新巡展・成都站上，豆包大模型最新进展对外公布。一同发布的，还有豆包・图生图模型，以及升级版豆包・文生图模型、豆包・语音合成模型、豆包・声音复刻模型。今年 5 月，字节跳动发布豆包大模型家族。据后续第三方 FlagEval 大模型评测平台发布的榜单显示，豆包大模型（Doubao-Pro-4k）在闭源大模型的“客观评测”

在人工智能领域，豆包、文小言、通义和 Kimi 这几款 AI 助手都颇具影响力。接下来将从文本生成、图片生成、AI 检索以及语音会话等维度对它们进行详细的对比分析，以便用户能更清晰地了解其各自的特点，从而做出更契合自身需求的选择。一、文本生成优势：依托字节跳动云雀模型，豆包展现出强大的通用性。无论是进行学术研讨，还是开展日常对话，它都能迅速给出清晰且精准的回应。

2024年无疑是科技行业公认的“AI大模型落地元年”，大模型应用的供需关系正在经历着前所未有的变化。与过去AI厂商单方面探索应用场景的做法不同，今年我们见证了更多的重要行业和头部企业，在降本提效、以技术驱动新发展和新升级的需求之下，开始以更加开放的姿态主动拥抱大模型，并探索AI技术与自身业务深度融合的可能性。有数据表明，大模型技术正在带来生产力水平的大跃迁。据红杉美国发布的报告，生成式AI为代表的

参数原配置建议配置调整原因epoch12增加轮次以充分学习小数据集batch_size88批次大小合理，无需调整0.000010.0001提高学习率加速 LoRA 参数收敛0.050.1增加预热比例保证训练稳定性lora_rank3232秩的取值适中，无需调整lora_alpha44缩放系数合理，无需调整dpo_beta0.10.1平衡格式对齐与输出多样性11保持 SFT 损失权重合理是否“混入预

通义千问（Qwen）是阿里云研发的通义千问大模型系列的70亿参数规模的模型。Qwen是基于Transformer的大语言模型, 在超大规模的预训练数据上进行训练得到。预训练数据类型多样，覆盖广泛，包括大量网络文本、专业书籍、代码等。今天我们来对这个模型进行本地部署实践python 3.8及以上版本pytorch 1.12及以上版本，推荐2.0及以上版本建议使用CUDA 11.4及以上（GPU用户、

今日文章介绍一款名为的开源统一多模态模型，这是由的最新类似GPT-4O的7B参数的视觉大模型。其功能与 GPT-4o 和 Gemini 2.0 等专有系统类似，凭借原生多模态架构，能够实现实用且有价值的图像生成，输出精确、准确且逼真的图像。模型支持（可用于图等咨询和问答）、等。•：BAGEL 是统一的生成与理解模型，基于大型语言模型预训练，具备推理与对话基础能力。可处理图像和文本输入，并以混合格式

大家好，这是我的专题《AI颠覆人类倒计时：普通人自救指南》系列文章之一。前期有几篇关于dify agent中如何使用多个不同的MCP工具让Agent具备多种不同的技能。那么，应该如何实现呢？分为如下三个步骤：\1. dify工作流发布为工具\2. 安装配置MCP服务器插件，并完成工具配置\3. 获取MCP链接进行调用先前的文章中，我们使用dify和DeepSeek创建过不少的工作流，此处我们可以选

在电商的世界里，客服是连接商家与消费者的关键桥梁。然而，传统的人工客服模式面临着诸多挑战：高昂的人力成本、集中问题时漫长的等待时间，这些都可能让消费者对商品的好感度大打折扣。为了打破这一僵局，可以用“大模型回复 + 人工监管”的智能客服模式，为用户提供前所未有的流畅体验，同时优化人力配置，实现降本增效。*「*

LangChain4j 和 Spring AI 是 Java 生态中实现大模型应用开发的两个最重要的框架，但二者的区别是啥？生产级别又该使用哪种框架？令很多人犯了难，所以本文就来浅聊一下，希望给大家在技术选型时有一个简单的参考。LangChain4j 和 Spring AI 的功能是比较类似的，甚至两者可以配合使用，例如使用 Spring AI 实现 MCP 服务器端，再使用 LangChain4

本文聊聊 LLama-Factory，它是一个开源框架，这里头可以找到一系列预制的组件和模板，让你不用从零开始，就能训练出自己的语言模型（微调）。不管是聊天机器人，还是文章生成器，甚至是问答系统，都能搞定。而且，LLama-Factory 还支持多种框架和数据集，这意味着你可以根据项目需求灵活选择，把精力集中在真正重要的事情上——创造价值。使用LLama-Factory，常见的就是训练LoRA模型