文心一言4.0和文心一言4.5的功能区别主要体现在以下几个方面：
1 个月前
文心一言4.0和文心一言4.5的功能区别主要体现在以下几个方面： 多模态能力 文心一言4.0：具备一定的多模态能力，但可能在模态融合的深度和广度上存在一定限制，例如在处理多模态任务时可能需要更多的人工干预或切换模式。 文心一言4.5：从底层架构就实现了真正的原生多模态融合，像人类天生具备视听触觉的协同能力一样，在处理复杂任务时，能像真正的专家般调用多种工具，自然流畅地处理文本、图像、音频等多模态数据。 深度思考能力 文心一言4.0：具有一定的逻辑推理和分析能力，但在深度和复杂决策能力上相对有限。 文心一言4.5：深度思考能力成为核心功能，不仅能够理解简单的指令，还能进行复杂逻辑推理、因果分析和复杂决策，达到人类专家级水平。 幻觉控制能力 文心一言4.0：在生成内容时可能会出现一定的幻觉问题，即生成一些与事实不符或不合理的内容。 文心一言4.5：延续文心大模型一贯的RAG优势，百度自研的iRAG技术进一步升级，大幅降低了AI生图的“幻觉”问题，在影视、漫画、海报制作等领域优势更明显。 搜索及工具调用能力 文心一言4.0：具有搜索功能，但在搜索的深度、精准度以及与其他工具的协同能力上可能有所不足。 文心一言4.5：上线的深度搜索功能，具备更强大的思考规划和工具调用能力，针对专业咨询类问题的解决能力进行全面加强，能更好地解决专业问题查询门槛高、查询渠道专精、查询结果分析难度大等挑战。 推理及成本优势 文心一言4.0：推理性能有一定提升，但在成本方面随着优化有所降低，不过可能未达到极致。 文心一言4.5：推理成本进一步大幅下降，李彦宏透露文心大模型的推理成本已降至一年前的1%，在提升性能的同时，使基于文心的应用开发更经济实惠。
2 个月前
2月18日，阶跃星辰联合吉利汽车集团开源了两款阶跃Step系列多模态大模型——Step - Video - T2V视频生成模型和Step - Audio语音模型，采用MIT协议，支持免费商用、任意修改和衍生开发。 两款模型的具体信息如下： Step - Video - T2V 参数与生成能力：参数量达到300亿，可以直接生成204帧、540P分辨率的高质量视频，能确保生成的视频内容具有极高的信息密度和强大的一致性。 生成效果优势：在复杂运动、美感人物、视觉想象力、基础文字生成、原生中英双语输入和镜头语言等方面具备强大的生成能力，且语义理解和指令遵循能力突出。对复杂运动场景把控能力强，能展现各种高难度运动画面；是运镜大师，支持多种镜头运动方式和景别切换；像“十级画师”，生成的人物形象逼真、生动，细节丰富，表情自然。 评测情况：阶跃星辰发布并开源了针对文生视频质量评测的新基准数据集Step - Video - T2V - Eval。评测结果显示，Step - Video - T2V的模型性能在指令遵循、运动平滑性、物理合理性、美感度等方面的表现，均显著超过市面上既有的效果最佳的开源视频模型。 Step - Audio 功能特性：是行业内首个产品级的开源语音交互模型，能够根据不同的场景需求生成情绪、方言、语种、歌声和个性化风格的表达，能和用户自然地进行高质量对话。可支持不同角色的音色克隆，满足影视娱乐、社交、游戏等行业场景下应用需求。 模型性能：在LlaMA Question、Web Questions等5大主流公开测试集中，模型性能均超过了行业内同类型开源模型，位列第一。在HSK - 6（汉语水平考试六级）评测中的表现尤为突出，被称为最懂中国话的开源语音交互大模型。阶跃星辰自建并开源了多维度评估体系StepEval - Audio - 360基准测试，经人工横评后，Step - Audio的模型能力均衡，在各个维度上均超过了此前市面上效果最佳的开源语音模型。
