👀日报&周刊合集 | 🎡生产力工具与行业应用大全 | 🧡 点赞关注评论拜托啦！
👀 MiniMax 国内首个自研 MoE 大语言模型「abab6」全量上线啦！
补充一份背景：MiniMax 是一家低调但实力不容小觑的AI创业公司，聚焦于通用大模型的开发
1月16日，MiniMax 官方公众号宣布全量发布国内首个 MoE 大语言模型「abab6」 。通过与各模型对比测试可以看出，在三个测试集中，abab6 的表现明显好于前一代模型 abab5.5，在指令遵从、中文综合能力和英文综合能力等方面追平甚至超过了 GPT-3.5、Claude、Mistral 等模型的最新/效果最好版本。
👉 在 MoE 结构下 ，abab6 拥有大参数带来的处理复杂任务的能力 ，同时模型在单位时间内能够训练足够多的数据，计算效率也可以得到大幅提升 ⋙ 了解更多
登录 👆 上方链接就可以上手体验 abab6 啦！平台会赠送15元的代金券，有效期三个月~ 可以玩起来啦！！
🉑 智谱 AI 推出新一代基座大模型 GLM-4：能力逼近 GPT-4，配备多模态、长文本和智能体
补充一份背景：看发布会直播时，群里时不时有人感叹「太诚实了」，哪里还不如 GPT-4 就实打实地说 😂 挺好的挺好的~
1 月 16 日，智谱 AI 正式发布了新一代基座大模型 GLM-4，整体性能相比上一代大幅提升，可以支持更长的上下文 (128K)，并且具备了更强的多模态能力，展示了GLM-4过去一年里努力追赶GPT-4的成绩。
据智谱 CEO 张鹏介绍，此次发布的 GLM-4 在多个评测集上性能已接近或超过 GPT-3.5，个别项目上几乎持平 GPT-4。取得的这个成绩已然非常难得，张鹏多次表示仍有差距需要「更进一步提升」。
基于 GLM 模型拥有的强大的 Agent 能力 ，智谱推出了 GLM-4-All Tools ，能根据用户意图，自动理解、规划复杂指令，自由调用 WebGLM 搜索增强、Code Interpreter代码解释器和多模态生成能力，以完成复杂任务。
GLM-4 已经上线官方网站和手机App「智谱清言」(需要更新到最新版本)。此外，上面提到的「智能体」功能也已经同步上线 ，用简单的提示词指令，就可以创建属于自己的 GLM 智能体啦！极大降低了大语言模型的使用门槛~ ⋙ 官方详细报道
🉑 Magnific AI 开放24h免费试用，效果惊艳的图片增强工具
Magnific AI 是一款图像增强工具，可以将任何图像进行放大并增强至超高的分辨率并同步生成所有细节，避免出现失真或模糊问题。而且！操作界面简明，官方也提供了各种操作教程，非常容易上手做出各种惊艳的效果~
Magnific AI 去年11月就已经发布了，最近两天群里又在讨论，追踪发现大家讨论的点是「Magnific AI 的团队只有2人」，然后和 Pika Labs 放到一起来说明未来AI应用开发团队的「小」趋势。
但其实，Magnific AI 的开发者之一 X@Javi Lopez 是一位成熟的开发者和企业管理者，在推上也有 75K Follower；Pika 就更不用说了，资本的宠儿。AI Native 应用的开发团队，会更小更快或许符合逻辑，但是这两个例子不是特别具有代表性。
🉑 破解了 GPT Store 前100名 GPTs 的提示词，逆向工程研究顶尖提示词长什么样
这是 GitHub 新项目，把 GPT Store 各分类下排名靠前的 GPTs，进行了一下「逆向工程」，拔出了完整的 Prompt 提示词。
百余个顶尖 GPTs 的优秀提示词，都在这个 GitHub 页面里啦！可以研究一波提示词技巧，也可以借鉴用来提升自己的提示词水平 👏👏👏
aboqbe7f4x.feishu.cn/wiki/ReqDwE...
作者将其整理到了 👆 上方飞书链接中，日报整理了目前收录的 GPTs 分类和清单，看看有你感兴趣的没~
👀 15组春节主题AI绘画提示词，用高质量咒语喜迎龙年到~
马上就要过年了！想向家人朋友们展示下自己这一年的AI研修成果？那用AI画画是最直观的了！
这位作者分享了 15 组最常用的AI绘画提示词，复制粘贴或者简单修改，就可以画出超高质量的AI年画啦！！感兴趣可以访问 👆 上方链接，或者 ⋙ 在微信端阅读
👀 对话智谱AI CEO 张鹏：让追赶 OpenAI 成为可能
去年年初，智谱AI这家中国最重要的基础模型公司定下了朝 GPT-4 追赶的目标。之后一年，基础模型继续快速发展，Meta把持着开源生态，领头羊 OpenAI 拿出了GPT-4，谷歌带着 Gemini 姗姗来迟
基础模型的竞争者逐渐收敛到少数几家，观察中国公司在其中的位置时，目前国内唯一估值超过百亿人民币的智谱AI，或许是那个锚
1月16日，智谱AI发布新一代基座大模型 GLM-4。这是一篇智谱AI CEO 张鹏的深度访谈，展示了他对技术进步和未来发展的思考。
以下是三段精彩对话的摘录和总结，感兴趣的话可以抽出10分钟阅读的原文~
大模型原生应用与 Agent 是什么关系？
张鹏：大模型原生应用，指的是从大模型的原生能力出发进行设计和开发的新应用，而不是把原来的应用做简单升级；Agent 可以辅助和赋能这些原生应用的开发过程
进入大模型的应用半场，需要的产品能力相较过去有哪些变化？
张鹏：我个人感觉，在这个时代，所谓产品力是对需求的敏锐感知能力 & 对于新技术的领悟能力，并且考虑如何揉合这两种能力，去产生一种新的产品表达形态，是一种更复合的能力
当下的矛盾在于，传统的互联网爆款的产品经理不理解当下最新的技术，而真正懂技术的人不理解所谓的用户需求和产品需求
智谱AI希望给到开发者或者第三方怎样的一个开发环境
张鹏：我们比较接近 OpenAI，首先还是强调基础模型本身的技术能力 。模型能力足够强，才有可能让大家真正用起来。至于工具是可以慢慢增加的，工具少的时候能解决少的问题，工具多了能解决更多问题 ⋙ 阅读原文
🉑 Sam Altman 与 Bill Gates 的对谈 & YC开营演讲：GPT-5 和 AGI 都要来了
最近，比尔·盖茨 (Bill Gates) 的个人博客和官方公众号发布了他和 Sam Altman 的对谈。不过，两人的这次对谈发生在 OpenAI 「政变」的前几天，算时间距离现在已经有两个月了。
在这场对谈中，两人谈到了大模型原理、发展规划、安全监管、社会影响、行业应用等等。其中，Sam 透露了 OpenAI 未来两年发展的关键里程碑，这些也被视作 GPT-5 可能会带来的新特性：
多模态 ：视频会是一个关键发展领域，很可能实现语音、图像和视频的输入和输出
更强大的推理能力 ：
GPT-4的推理能力非常有限当前 GPT-4 的推理能力在 GPT-5 面前显得像孩子一样 → Sam很可能是在指解锁大模型的系统2认知能力，即在复杂情况下缓慢思考能力可靠性 ：
如果你向 GPT-4 重复提问相同问题 10,000 次，其中可能有一次的答案相当不错，但不知道是哪一次GPT-5 能够学习和记住执行任务的最佳版本，以便能够有持续稳定的表现定制化与个性化 ：
人们对 GPT-4 的多样化需求将会得到更多满足还可以让它使用你自己的数据 ⋙ 比尔·盖茨官方微信 (中英文字版本)
前几天，Sam Altman 还出席了 Y Combinator W24 启动会，并做了分享。根据参会者笔记我们总结一下核心要点：
暗示可能已经非常接近实现通用人工智能（AGI）
建议应该以实现 AGI 为前提进行创业和技术开发 → 不要再瞎折腾
GPT-5 相较于于 GPT-4 可能会有一个指数级的飞跃，尽管 GPT-4 已经领先近两年且至今无人超越
大多数 GPT-4 当前的限制都将在 GPT-5 中得到修复，这一巨大进步会给现有大大小小的公司带来了诸多挑战 → AGI将覆盖一大批创业者
建议使用最先进的模型（State of the Art, SOTA），而不是花费太多时间进行微调和优化 → 徒劳无功
最正确的做法是设想一个「上帝般的」模型，然后基于这种设想来构建最好的产品 → 要极有远见
OpenAI API 将继续变得更快、更可靠、更便宜，然而性能和成本之间始终存在平衡
初创公司更需要情境优化，而不是行为优化 → 通过 RAG 等提供更多信息可能比微调更有益
🉑 提示工程 Prompt Engineering 指南：一个实战项目带你走完开发全流程
realpython.com/practical-p...
补充一份背景：Real Python 是一个不错的 Python 学习平台，最近发现网站上这个 Prompt Engineering 实战项目也很不错哇，完整且细致👍 推荐推荐~
Real Python 这篇教程是一个完整「处理和净化客户支持聊天对话」项目案例，通过知识点讲解、代码示例、详细的步骤说明等，来逐步指导学习者如何通过提示工程（Prompt Engineering）技巧来优化大语言模型的输出。
整体上来说，一个完整的项目流程包含以下这些步骤：
了解实际的提示工程项目
收集任务：明确项目的目标，即处理客户支持聊天对话，包括去除个人身份信息、净化对话内容和格式化输出
准备工具：介绍所需的工具，如Python脚本和OpenAI API密钥
设置代码库 ：指导如何设置代码库和使用
settings.toml文件来存储提示冻结响应 ：说明如何通过设置
temperature参数为0来获得更确定的响应
开始提示工程
描述任务：提供如何直接描述任务给LLM的指导
使用Few-Shot Prompting：解释如何通过提供示例来提高输出质量
使用分隔符：介绍如何使用分隔符来清晰地标记提示的不同部分
测试提示：强调在不同数据上测试提示的重要性
描述请求：指导如何通过编号步骤来详细描述请求
增加步骤：说明增加步骤以提高特定性的方法
评估何时切换到不同的模型
调整词元数量：讨论如何调整提示和响应中的词元数量来适应模型限制
切换模型：解释何时以及如何切换到不同的模型，如聊天完成模型
使用聊天完成端点和GPT-4
添加角色提示：介绍如何使用角色提示来设定对话的基调
分类情感：展示如何让模型对聊天对话的情感进行分类
链式思维提示：指导如何引导模型进行链式思维以提高输出质量
结构化输出：说明如何将输出格式结构化为JSON
利用对话力量：讨论如何通过对话来进一步提高输出质量
感谢贡献一手资讯、资料与使用体验的 ShowMeAI 社区同学们！
◉ 点击 👀日报&周刊合集，订阅话题 #ShowMeAI日报，一览AI领域发展前沿，抓住最新发展机会！
◉ 点击 🎡生产力工具与行业应用大全，一起在信息浪潮里扑腾起来吧！