9、【AI】【Agent】联网使用大模型（DashScope&ModelStudio）

【声明】本博客所有内容均为个人业余时间创作，所述技术案例均来自公开开源项目（如Github，Apache基金会），不涉及任何企业机密或未公开技术，如有侵权请联系删除

背景

分析了上下文长度会显著影响到 token 生成速度的场景，另外，在硬件条件受限的情况下，只能优先选择小模型，通过减少参数量，减少数据从内存搬运到 CPU 缓存的影响，并指出了两个提升方向：联网使用大模型，或本地硬件升级 GPU，选定联网使用大模型之后，进一步分析了 token 的收费方式，并详细解释了网页版/APP版本（免费）和 API 调用（收费）两种模式的区别，下面继续

Agent

下面将以阿里云为例，对大模型进行部署配置和 API 调用

阿里云有 DashScope （灵积）和百炼（Model Studio / Bailian）两个基于通义大模型的服务平台可供选择，两个平台在定位，目标用户，功能深度和使用方式上有诸多区别，下面详细分析下

首先官方入口如下

平台	官网首页	控制台（需登录）
DashScope（灵积）	https://www.aliyun.com/product/dashscope	https://dashscope.console.aliyun.com
百炼（Model Studio）	https://www.aliyun.com/product/bailian	https://bailian.console.aliyun.com

首先是 DashScope（灵积）：大模型 API 原子能力平台 ，提供通义千问，通义万相，语音识别等原始模型 API ，适合开发者直接集成到应用中，定位是模型即服务（MaaS）底层接口，让用户像调用函数一样调用大模型

这里上面提到了通义千问，通义万相和语音识别三种模型，其特点和区别如下

模型名称	英文名	核心能力	输入 → 输出	典型用途
通义千问	Qwen / Qwen-VL（多模态版）	文本理解与生成	文字 → 文字	写代码，回答问题，写报告等
通义万相	Tongyi Wanxiang	AI 绘画 & 图像生成	文字/图 → 图	画插画，设计海报，老照片上色等
语音识别	FunASR / Paraformer	语音转文字	语音 → 文字	会议记录，字幕生成，语音助手等

上面提到的多模态（Multimodel）也是当前 AI 领域最热门的概念之一，这里的模态指的是信息的表现形式，而多模态则表示的是模型能够同时理解和处理多种类型的信息，常见的模态包括

模态	例子
文本（Text）	这是一只猫
图像（Image）	🐱 的照片
语音（Audio）	猫的声音
视频（Video）	猫咪跑动的短视频

总结一下

单模态模型：只能处理一种模态（比如纯文本的 Qwen）
多模态模型：能够跨模态理解和生成（比如 Qwen-VL 能够看图说话）

接下来是百炼（Model Studio）：一站式企业级大模型应用开发平台 ，在 DashScope 的基础上，该平台封装了智能体（Agent），知识库（RAG），工作流，低代码工具链等，让非专业开发者也能构建 AI 应用，其定位是大模型操作系统（Model OS），让用户无需写代码，也能打造专属 AI 助手

下面对比下 DashScope（灵积）和百炼（Model Studio）的核心区别

维度	DashScope（灵积）	百炼（Model Studio）
目标用户	开发者，技术团队	企业用户，产品经理，业务人员
使用方式	调用 HTTP/SDK API	可视化拖拽 + 低代码配置 + API
核心能力	原始模型推理（文本，图像，语音等）	Agent 应用，RAG 知识库，插件集成，多模态工作流
是否需要编程	必须写代码	支持无代码搭建
模型底层调用	直接访问 Qwen 系列模型	底层仍调用 DashScope API（已整合）
典型场景	OpenCoder，LangChain，自研 Agent 等	智能客服，企业知识问答，营销文案生成等

可以把百炼看做 DashScope 的高级封装版，百炼 = DashScope（能力底座）+ 应用层工具链

OK，本篇先到这里，如有疑问，欢迎评论区留言讨论，祝各位功力大涨，技术更上一层楼！！！更多内容见下篇 blog
【AI】【Agent】联网使用大模型（ModelStudio）