随着人工智能技术的飞速发展，大语言模型(Large Language Models, LLMs)在各行各业的应用日益广泛，尤其是在软件开发、数据分析、客户服务等领域。蘑菇云创客空间[445期开放夜] 就以“ChatGPT、Gemini、通义千问等一众大语言模型，哪家更适合您”这样的主题，开展了一次深度的大语言模型的测评。开放夜现场测评了十几个国内外大语言模型，测评角度从逻辑、数学、翻译、伦理等方面，深入探讨和体验了这些大语言模型的实际效能。
测评的大语言模型：
1.Kimi 智能助手：由月之暗面科技有限公司开发的先进AI。
2.智谱清言：由智言科技开发的大语言模型，以深度学习和自然语言处理技术见长。
3.讯飞星火：科大讯飞推出的创新语言模型。
4.文心一言：百度的前沿语言模型，致力于理解和生成自然语言。
5.豆包：专注于提供个性化的智能对话服务。
6.通义千问：以广泛的知识库和灵活的对话能力著称。
7.海螺AI：新兴的语言模型，擅长处理复杂的语言任务。
8.腾讯混元助手：腾讯推出的多功能AI助手。
9.Sider: 是由日本公司Sider开发的大语言模型。
10.ChatGPT：由OpenAI开发，国际上广受认可的更大规模、功能更全面的语言模型。
11.Claude：Anthropic开发的先进语言模型，注重安全性和可靠性。
12.groq：以其专为AI设计的硬件加速器而闻名。
13.Gemini: OpenAI 开发的较小规模的语言模型，旨在提供更高效的计算和资源利用。
14.Mixtral：开源人工智能初创公司 Mistral AI 开发的超越GPT-3.5的AI模型
测评问题一: 鸡兔同笼的数学问题
鸡兔同笼是一个经典的数学问题，通过观察鸡兔的头和脚的数量关系，可以利用代数方程来解决问题，从而确定笼子里鸡和兔子的数量。这个问题常常展示了代数方程组的应用。
针对鸡兔同笼的问题，除了Gemini Pro没有得出正确的结果，其余的大语言模型都可以给出正确结果。
测评问题二：翻译（诗句中翻英）
诗人马致远的诗句“断肠人在天涯”，描写了“夕阳向西缓缓落下，只有孤独的旅人漂泊在遥远的地方。”诗句的翻译涉及到文化差异和诗人独特情感。Mixtral 的语言模型正确的解释了诗句本身的含义，帮助翻译者很好地理解这句诗句。 Claude的语言模型对于诗句的本身理解是不正确的。
这句诗翻译家许渊冲翻译为“Far, far from home is the heartbroken one.”由此可见，大语言模型可以帮助翻译者分析这句诗基本的意思，但是涉及文化层面的深层含义，还是做不到意译的。
开放夜也探讨了如下涉及生活、工作的一些问题，比如：
过年福字要倒着贴，那为什么不直接生产倒过来的福字呢?
收到公司的裁员通知邮件，你应该怎么回复邮件来保住工作?
一个乌龟掉进了井里，井里有30米深。乌龟白天爬3米，晚上滑下2米。问这只乌龟需要多长时间才能爬出井口?
DFRobot AIGC小组主理人夏青在开放夜的现场测评了十几个国内外大语言模型，通过多维度问题的测评，他认为：对于处理综合性问题，OpenAI的ChatGPT 4.0逻辑清楚，能提供非常有用的信息。尽管在回答一些较为复杂的问题上略显不足，但在大多数场合下，其性能仍然令人满意。然而，ChatGPT 4.0在国内的使用成本是一个不容忽视的问题，不仅涉及订阅费用，也包括使用的技术门槛。
与此同时，Gemini和Claude等海外语言模型，尽管在遵循指令方面略显不足，但已达到了实用水平。令人惊喜的是，国内的Qwen1.5 72b开源模型在中文理解和特定任务，几乎能与ChatGPT4.0匹敌此外，其他开源模型如Mixtral和新发布的LLaMA3虽在逻辑性上略逊于商业模型如ChatGPT，但总体表现已超越了ChatGPT 3.5。
综合分析来看，尽管ChatGPT 4.0仍然是目前市场上最优秀的大语言模型，但不可忽视的是，无论是国际市场还是国内市场，其他厂商的模型均显示出迅速的进步。开源模型的崛起也证明了开源社区在AI时代的巨大潜力。当前的大语言模型在处理理性问题方面表现一致，但通常无法提供情绪价值回应。例如，一些国内模型如“豆包”将展现其在情绪回应方面的潜力。这种能力的发展可能为未来陪伴型机器人的商业模型提供新的方向。
蘑菇云创客空间
蘑菇云创客空间是上海浦东的一家创客空间,是科技部授牌的首批国家级创客空间,由浦软孵化器提供场地支持、上海智位机器人提供硬件及技术支持的一家为创客服务的开放式创客空间。拥有独立的加工室、公共协作区域以及储物、耗材商店,为硬件爱好者、程序员、设计师、DIY 发烧友等各类创客,甚至包括进行创新研发的科创团队提供一个开放式的社区化会员空间。
申请创业报道，分享创业好点子。点击此处，共同探讨创业新机遇！
今天央视财经报道了一组能标记行业节奏的数字：物理AI头部客户的训练数据需求，从去年十万小时级跳到了今年百万小时级，增幅接近10倍。这里的"小时"不是图文数据，而是机器人在真实环境里跑动、抓取、碰撞、避障的连续记录。数据从哪来？仿真合成加上人类视频，两条路同时在补。宇树科技创始人王兴兴在进博会期间给出
11月9日，Anthropic正式发布ClaudeFable5.2和ClaudeMythos5.2两款新模型。Fable面向普通用户，内置网络安全与生物安全防护；Mythos则只向通过审核的专业机构开放，处理高风险场景。两款基于同一底层架构，区别在于安全边界和应用准入。官方还展示了一组由千个智能体协
11月9日，阿里千问办公2.0正式发布。这次升级有一个值得关注的变化：它不再只是服务个人的AI助手，而是开始支持多人和Agent共同协作，可以把AI直接拉进工作群，让它参与团队任务。就在几天前，11月6日，华为小艺Work正式版上线鸿蒙电脑应用商店。10月30日，腾讯WorkBuddy企业版宣布四项
上周，我把AI短剧《持械入宋》的前十季全部看完了。说实话，有点出乎我的意料：(1)我以为一分钟一集很快就能看完，结果越看越上瘾，导致上周少更新了好多自媒体内容，耽误了好多工作。(2)以前我也看过不少AI生成的视频，人物变脸、动作穿帮、画面不连贯，基本看几分钟就没兴趣了。但《持械入宋》不一样。有时候我
今年5月，黄仁勋穿着标志性皮衣在北京街头闲逛，吃炸酱面、喝蜜雪冰城的画面，曾让不少营销号津津乐道。那段时间，关于他的叙事几乎都绕不开一个关键词：专一。在这些营销号笔下，黄仁勋不只是手握万亿商业帝国的科技大佬，更是“纯爱战士”“亿万富豪里少见还守着原配的人”。故事确实有浪漫底色：17岁的黄仁勋在俄勒冈
文|智能相对论作者|李永华过去三年，行业对AI的主流想象，大体是“轻”的。一个对话框、一个超级入口、一套API，背后是轻资产、快扩张、高毛利的叙事，也是资本和大厂最愿意为之买单的故事。C端的个人智能体尤其如此，模型能力封装在产品里，用户调用即得，增长可以在很短时间内发生。但当AI从消费端走向产业端、
GCSAAI极客工作台(GCSASecVibeCode)由GCSA全球网络安全联盟与香港大学（HKU）联合研发，依托「香港大学×GCSAAI与网络安全研究所」，将模型原生安全、可信AI与AI驱动的自动化威胁防御等研究成果带入真实开发场景。产品结合攻防Agent与企业DLP，基于PiHarness提供
OpenAI于11月4日发布图像模型Images2.6，并在ChatGPT、Codex和API中同步上线。此次更新新增GIF动图功能：用户上传一张图片或输入一句提示词，即可生成循环播放的动画，出图速度比上一版提升50%。OpenAI表示，用户不再需要自己拼帧，也不必另开编辑软件。只需一句提示词，或上
Anthropic于11月5日公布了Claude的个人理财功能，并从当周起陆续向美国付费用户开放。用户绑定银行账户后，可直接查询账户余额和支出情况。目前Claude只能读取账户数据，不能直接进行银行转账。Anthropic在官网放了一段演示：从一句提问开始——“这个月钱花在哪儿了？”Claude将绑
文|智能相对论作者|陈泊丞Agent规模化干活，其实是一件很快的事。快到什么程度？Gartner2026年CIO及技术高管调查显示，超过60%的受访组织计划在未来两年内部署AIAgent。行业调研则进一步预测，到2027年，大型企业规模化部署Agent的比例将达到50%。到2030年，全球企业活跃A
