开源大模型排行榜

C-Eval中文大模型权威排行榜,清华ChatGLM2排名第一 #小工蚁 #chatglm2 #c-eval, 视频播放量 2594、弹幕量 1、点赞数 39、投硬币枚数 2、收藏人数 66、转发人数 22, 视频作者 小工蚁创始人, 作者简介 小工蚁创始人 张文斌原土豆网第九个员工,土豆网技术总监,相关视频:如何让清华ChatGLM2-6b模型推理性能提升20倍? #小工蚁 #chatglm2,清华ChatGLM2-6b新模型升级,支持32K上下文的强性能模型!,阿里发布Text2SQL最新实践开源模型准确度超GPT4,重磅!ChatGLM2-6B可免费商用,免费中英文大模型有多一种选择 #小工蚁 #chatglm2,清华ChatGLM入选LLM基准测试 1对1 PK排名第五,TGI让Huggingface Transformer推理速度提升10倍,本地演示 #小工蚁 #huggingface,ChatGLM2如何进行模型微调演示 #小工蚁 #chatglm2,Llama3和Llama2模型全面对比 #小工蚁,清华发布CodeGeeX2生成代码大模型,它性能究竟如何? #小工蚁 #清华 #codegeex,在清华读书的女儿出柜

2026年最全面的大语言模型深度分析来了！本期视频从综合能力、推理、编程、视觉多模态、长上下文、多语言、速度、价格8大维度，对全球11大顶级AI模型进行全面排名对比。 涵盖模型：GPT-5.2 Pro、Claude Opus 4.6、Gemini 3 Pro、DeepSeek V3.2、Qwen3-235B、Grok 4.1、Llama 4 等

哔哩哔哩

原视频：New #1 open-source AI model is WILD 原作者：AI Search 发布日期：2026-01-30 视频链接：https://www.youtube.com/watch?v=F-ANHe_hr9w ✨ 想看英文原声？请关注 @英文白斑马 00:00 Kimi K2.5 简介 介绍 Kimi K2.5 作为目前最顶尖的开源 AI 模型之一，其性能可与 Gemini 3 或 GPT-5.2 等闭源模型媲美。 00:26 Kimi K2.5 核心规格与模式 概述模型

哔哩哔哩

CogView4 是智谱推出的开源文生图模型,具有60亿参数,支持原生中文输入和中文文字生成。模型在 DPG-Bench 基准测试中综合评分排名第一,达到开源文生图模型的最先进水平(SOTA)。CogView4 是首个遵循 Apache 2.0 协议的图像生成模型,支持任意分辨率图像生成,能根据复杂文本描述生成高质量图像。 CogView4 特别优化了中文文字生成能力,能够将汉字自然地融入图像中,适合广告、短视频等创意领域。通过模型 CPU 卸载和文本编码器量化等技术,CogView4 显著降低了显存占用,提升了推理效率。 CogView4 的主要功能 支持中英双语输入:CogView4 是首个支持生成汉字的开源文生图模型,能够根据中文或英文提示词生成高质量图像。 任意分辨率图像生成:该模型支持生成分辨率在 512×512 到 2048×2048 之间的图像,满足不同场景的创作需求。 强大的语义对齐能力:在 DPG-Bench 基准测试中,CogView4 综合评分排名第一,展现了其在复杂语义对齐和指令跟随方面的卓越性能。 中文文字绘画:CogView4 特别优化了中文文字生成能力,能够将汉字自然地融入图像中,适合广告、短视频等创意领域。 显存优化与高效推理:通过模型 CPU 卸载和文本编码器量化等技术,CogView4 显著降低了显存占用,提升了推理效率。 CogView4 的技术原理 架构设计:CogView4 采用了扩散模型结合 Transformer 的架构。扩散模型通过逐步去除噪声来生成图像,Transformer 负责处理文本和图像的联合表示。模型使用了 6B 参数的配置,支持任意长度的文本输入和任意分辨率的图像生成。 文本编码器与 Tokenizer:CogView4 使用了双语(中英文)的 GLM-4 编码器,能处理复杂的语义对齐任务。文本通过 Tokenizer 转化为嵌入向量,随后与图像的潜在表示结合。 图像编码与解码:图像通过 Variational Auto-Encoder(VAE)编码为潜在空间的表示,通过扩散模型逐步去噪生成最终图像。使模型能高效地处理图像的生成任务。 扩散过程与去噪:扩散模型的核心是通过一系列的去噪步骤逐步生成图像。CogView4 使用了 FlowMatch Euler Discrete Scheduler 来控制去噪过程,用户可以通过调整去噪步数(num_inference_steps)来平衡生成质量和速度。 多阶段训练策略:CogView4 采用多阶段训练策略,包括基础分辨率训练、泛分辨率训练、高质量数据微调以及人类偏好对齐训练。确保生成图像的高质量和美感。 优化与效率:为了提升训练和推理效率,CogView4 采用了显存优化技术,如模型 CPU 卸载和文本编码器量化。模型支持 Apache 2.0 协议,便于开源社区的进一步开发。