网络上有不少大模型和Agent评测的文章，但分析都是从整体或者某个行业进行。这篇文章，作者从三个大模型的应用场景出发，给大家分析这几个模型的优劣势，供各位参考。

之前写了AI Agent构建平台的产品评测文，分享到朋友圈后有小伙伴让分享一下openbuddy、coze和通义的优劣势于是我就去搜集了一些资料。

一、openbuddy/Coze/通义分别是什么

1、openbuddy：基于LLaMA2跨语言对话模型

▲ 知乎解答-openbudy

2、通义App：集成通义大模型全栈能力，免费为所有用户提供服务。

通义APP以性能媲美GPT-4 Turbo的基模为底座，并把通义实验室前沿的文生图、智能编码、文档解析、音视频理解、视觉生成等能力“All in one”，成为每个人的全能AI助手。（新闻通稿）

▲ 通义官网-产品集

3、Coze：Coze是新一代 AI 应用开发平台。

无论你是否有编程基础，都可以在Coze上快速搭建基于大模型的各类 Bot，并将 Bot 发布到各个社交平台、通讯软件或部署到网站等其他渠道。(官网帮助文档解释）

▲Coze产品截图

当我去收集完这些材料后，我发现这三个产品很难在一个纬度上分析优劣势。openbuddy 是一个具体的模型；通义是一个基于通义千问模型的综合性AI平台，他提供模型、提供模型训练工具；而coze 则是基于已有模型的Bot构建平台（支持接入已有模型，通过文字、流程、插件引导Bot完成具体场景任务）。

二、所以我们常说的AI，在应用层到底是个啥？

大语言模型生态系统

▲ 大语言模型生态系统-图源AINLP

模型层提供了基础的大语言模型能力，包括开源和闭源两类。

闭源模型的代表有OpenAI 的 GPT 系列和 Anthropic 的 Claude 系列。毫无疑问，目前 OpenAI 的 GPT 系列模型在整个行业中处于领先地位，其性能远超其他大语言模型。

开源模型的代表是 Meta推出的 Llama2。闭源模型就像移动互联网时代的 iOS 操作系统，更易于上手、技术门槛较低。

而开源模型类似移动互联网时代的 Android 系统，对使用者的技术要求更高，但具备更强的可定制性。不管是开源模型还是闭源模型，都提供了模型微调的能力。OpenAI 甚至提供了神经网络的文本向量化功能。

框架层提供了基于大语言模型的开发框架，帮助开发者更快地构建与大语言模型相关的应用。目前市场上涌现出许多出色的开发框架，它们提供了各领域针对大语言模型二次开发的抽象。除了开发框架，还有向量数据库、知识图谱等重要的周边模块。

应用层是基于大语言模型开发的最终应用，ChatGPT 可以说是其中最知名和热门的。这些应用大致可以分为两类：一类是自动化应用，代表产品是 ChatGPT，这类应用需要人类的参与和反馈；另一类是自主 Agent 系统，代表产品是 AutoGPT，这类应用不需要人类主动参与，自主 Agent 系统可以在得到初始命令后进行自主迭代。应用层仍在不断发展，特别是自主 Agent 系统，这是一个充满前景和想象的领域。

中国AI Agent生态系统

▲ 中国AI Agent生态-图源知网

中国AI Agent生态是一个多层次、多领域、高度集成的系统，它涵盖了从基础算力到具体应用的各个层面。

在算力层，我们看到了阿里云、百度智能云、华为云等领先企业的身影，它们提供强大的计算资源和存储能力，为整个AI生态的发展打下坚实的基础。

平台框架层进一步细分为两个方向：企业级AI Agent平台和开发者AI Agent开发平台。企业级平台为大型企业提供定制化、高效率的AI解决方案，例如：钉钉、实在智能；而开发者平台则为广大开发者提供了丰富的工具和资源，使他们能够快速开发和部署自己的AI应用，例如coze、文心智能体平台。

垂直应用层是AI生态中最接近终端用户的一环，它包括金融、招聘、营销、供应链、教育、数据分析、AI PC等多个领域。

在金融领域，AI Agent能够进行风险评估和市场分析；

在招聘领域，它们帮助企业筛选简历和评估候选人；

在营销领域，AI Agent通过精准分析消费者行为来优化广告投放；

供应链管理中，AI Agent能够预测需求和优化库存；

教育领域中，它们提供个性化学习体验；

在数据分析领域，AI Agent能够处理和分析大量数据，为决策提供支持；

而在AI PC领域，它们则为用户提供更加智能和个性化的交互体验。