AI探索指南
开个帖子记录和回顾一下我和 AI 行业的 2024 - 模型层面的发展（LLM、视频、图像） - 我最喜欢的AI产品创新 - 我目前用钱投票的所有AI产品 ### 产业&模型 图像和视频领域出乎意料的快速发展，感谢Open AI在Sora发布时最后的良知爆发，多写了点架构的事情。 **图像生成成能力爆发式的增强** - 主要源于Sora让大家看到了DiT架构的潜力，也感谢Open AI最后一次在架构上写那么多。 - 图像质量大幅进化、真实度、细节和提示词理解都比纯扩散模型强了非常多。 - 提示词…
- Claude 的Projects功能和Artifact可以说是今年Chatbot类产品最重要的体验创新，成功的解决了Chatbot类产品在长内容输出、多媒体格式展示以及输出碎片化的问题，另外也帮助了LLM优质语料收集，天才般的想法- 现在回过头看Midjoureny默认不隐藏所有生成内容这个产品决策的前瞻性和价值可太大了，生成内容默认公开和基于社区的内容信息流可以极大程度的促进创意相互激发和优质合成数据筛选，现在几乎已经成了视频生成和图像生成产品的标配。
- 很多人觉得我经常提到Notebooklm是觉得这个产品好，事实上我只是从他们用现有音频技术构建出来的多模态交互体验感兴趣，基于文本生成文本、音频、视频自动化编排，在消费内容的时候让用户可以介入沟通，低成本的完成了新的内容生产，用户即是内容消费者也是内容生产者。
- 元宝的文档深度阅读能力真是独一份的强，在论文理解和精读这个功能的打磨上以及到头了，包括总结-精读-翻译-思维导图这层层递进的功能
**我订阅和使用的AI产品**
产品的某个功能可能很出彩单核心一定要满足用户需求，他可以骗你感情，但只有掏钱的时候才能看出价值，这里我只说我到现在还在订阅的产品。
- Monica&POE：LLM的大杂烩产品，你可以在上面使用大部分提供了API的AI模型，在我这里主要作为Claude的替代品。
- Claude：原生的Claude在artifact、project和提示词优化的加持下真的很强，和只使用API的完全是两个概念，但是他不让我用，那没办法了。
- Krea AI：图像和视频的大杂烩套壳产品，你可以在上面使用很多AI图像功能以及大部分有API的视频模型，但是由于视频生成模型还在快速发展所以API可能没办法用最好的，他们在FLUX基础上构建的图像工作流也相当不错。
- 可灵、海螺、Pixverse：我前几天退订了Runway，国产这三个视频模型各有各的优势，所以就只能都买，海螺的音频生成也很好，可以试试。
- 即梦：视频模型也很好，但说实话我是为了他的图像能力订阅的，即梦 2.1 这个图像生成模型在可以写字之后简直是质的飞跃，泛华能力也很好在中国视觉语言和风格上的表达非常强。
- Midjourney：谷歌的Imagen3、FLUX甚至即梦都可以在某个层面完爆MJ，但是如果我们将创造力算上的话，还得用MJ，只有MJ能用各种参数给我探索和在创作的感觉。
- Gemini：谷歌用Gemini 2.0 Flash这个模型折服了我，更多的是在为AI studio付费，期待这些能力尽快上线到Gemini APP上。
- Perplexity：虽然他的AI搜索有各种各样的问题，但是在产品能力和综合体验上，我还是只能相信这个AI搜索。
- 豆包：字节的人海战略是有效的，我在不方便使用海外产品的时候第一次想起来的也是豆包了，他们也通过豆包扩大了有AI工具需求的用户基本盘和用户教育。
- Voicenotes：语音记录产品，可以将你的语音转录为文字，转录后可以基于这些内容生成要点总结，你也可以向AI提问你记录的内容，长音频转录问题还是有，但我找不到更好的了。语音记录的效率比文字高太多了，走在路上或者车上的时候随时都可以记，我的很多内容就是路上通过语音记录然后再整理成文字的。
- Youmind：玉伯的AI内容剪藏工具，我原来买的Readwise但这个产品的体验和交互实在太差了，记录了就别想着找到，所以Youmind这个基础体验扎实的产品一出来我就订阅了。
模型和产品的总结就是这些，很多朋友问我怎么学习各种AI能力，我的建议就只有多用，多模仿，很多工具都提供了免费试用，成本没有那么高，先试一试再说。
祝各位2025年健康快乐！
