第 9 卷

语言大模型：群雄逐鹿齐头并进

除OpenAI o1外，以下六大模型是全球大模型中综合表现最好的一批模型。

公司模型核心功能应用场景优点缺点

对话生成、内容创作、可能产生错误信息，费 OpenAIGPT-4o客服、内容创作、教育辅导强大的理解能力和知识库代码编程用高

语言处理、图像识别、智能助手、健康监测、智能家本地计算快速，隐私保护受设备限制，大型任务 AppleApple Intelligence 隐私保护居好能力不足

软件平台集成度高，质量启动门槛高，部分场景 xAIGrok 2复杂推理和多模态理解搜索与文案系统、智能监控稳定不稳定

模型微调和快速适配能迁移学习能力强，适应性 MetaLlama 3.2自然对话、行业解决方案上下文连贯性有待提升力好

多模态数据处理，跨语自动驾驶、智能对话、边缘计部分内容生成质量不稳 GoogleGemini 1.5-Pro跨模态理解能力强言生成算定

文本理解、对话、写作、高负载下性能不稳，图 AnthropicClaude 3.5-Sonnet聊天机器人、写作助手、客服跨领域应用广，安全可靠翻译片理解有限

视频大模型：三足鼎立潮头涌动

Runway、可灵和Vidu是在视频大模型中较有竞争力的三个大模型，综合表现较好。

此外， OpenAI的Sora、抖音的PixelDance、Meta的Movie Gen也发出预告，但现在模型仍未对个人用户推出。

公司产品/模型发布时间是否公开可用功能特色

豆包抖音2024/9/24针对企业开放内测支持多动作多主体交互 PixelDance/PixelWeed

支持爆炸、融化、粉碎或膨胀的Pika effects；支持局部 Pika LabsPika 1.52024/10/2全面开放修改和画面扩张

MetaMovie Gen2024/10/4否支持为视频匹配节奏和音乐

音乐大模型：众星捧月 “一超多强”

在国内外一众音乐大模型中，Suno的表现最为优异，在音乐创作的全流程中表现出色。但 Minimax、昆仑万维、腾讯、抖音、网易也在开发新功能并完善原有功能。

所属公司模型名称主要特点亮点功能适用场景

• 能够一次性完成歌词、演唱、编曲、配乐等音乐- 支持多种音乐风格和情绪状态个人音乐创作、社交媒

Suno AISuno创作的全流程- 支持所有用户制作4分钟的歌曲，体内容创作、音乐教育

• 多语言交叉混合生成能力创建最长2分钟的歌曲扩展等
• 端到端音乐生成能力

音乐创作和制作、影视 MiniMaxAbab-music-1- 纯音乐、清唱作品、伴奏、人声生成- 支持多种音乐风格和情绪状态配乐、内容创作等

• 拟人化生成能力
• 端到端音乐生成能力

文化传播、社交媒体内昆仑万维天工SkyMusic- 人声自然度高、发音可懂度强- 支持人声、歌词使用多种方言容创作、音乐教育等

• 方言演唱能力
• 支持自动编辑和乐谱生成
• 能根据文本或音频输入生成音乐音乐教育、社交媒体内

腾讯琴乐大模型- 支持音频文本对齐

• 遵循乐理生成能力容创作等
• 支持乐谱/音频表征提取