随着AIGC大风起，也掀起了语言模型大争之世，各种语言模型如雨后春笋，让大家眼花缭乱。周周都有新的选手入场，月月都有新的模型问世。不过其中最受人瞩目的当属GPT4、文心一言4、ChatGLM、Claude2.1四大模型。隐隐有傲视群雄之姿，今天我们也对这语言模型的四大天王的生成做一下粗浅的对比，也为大家在选择接入自家产品的时候有些许参考。

        我们先来认识一下这四大模型：

        1. GPT4—— OpenAI所开发，已经无需过多介绍了，AIGC的创世者，当下当之无愧的王者。

        2. 文心一言4——百度倾力打造的中英文语言模型，对标GPT4。也是百度AI十年磨一剑的成果，号称国内最强。

        3. ChatGLM——相比前两位算是后起之秀，背靠清华大学，目标中英文对话，从开源转为商用，效果与文心一言也不遑多让。

        4. Claude2.1——OpenAI原团队成员打造，号称GPT最大的竞争对手，在与亚马逊战略合作之后，更是如虎添翼。

        我们今天选择几个简单的场景，粗浅对比一下这四大模型生成的效果。

        PK1: 营销宣传稿件

"请帮我写一个简单宣传稿，日月摘星全面接入GPT4、文心一言4、ChatGLM、Claude2.1四大语言模型，通过API就可以调用，快速集成进产品。帮我找一下亮点，写一份让人心动的宣传稿，不超过300字" 

GPT4的生成结果：

宣传稿标题：【日月摘星】- 改变游戏规则的语言模型集成平台！\n\n

正文：

        想象一下，无限的语言智能，只需一次接入，即刻激活！今天，日月摘星正式全面融合四大语言模型巨头—GPT4、文心一言4、ChatGLM和Claude2.1，宣布开启语言技术的新纪元！

        无需漫长的等待，也不必担忧技术难题。日月摘星通过API服务，为您提供即插即用的体验。您的产品将得以迅速臻于完美，智能对话、内容创作、数据分析……所有这些，都将随您的想象力，一触即发。

        亮点在于，这不仅仅是简单的集成。日月摘星的平台优化了这四大模型的联动，让它们在您的产品中发挥最佳协同效应。无缝衔接的技术流程保障，让您的应用程序在复杂多变的语言交互场景中保持领先地位。

        想要给您的产品注入AI的活力？选择日月摘星，把握语言技术的未来，让您的产品成为市场的明星！立即接入，赋能创新，跨越智能的新高度！

文心一言的生成结果

重磅好消息！日月摘星全新升级，全面接入GPT4、文心一言4、ChatGLM、Claude2.1四大语言模型，为您的产品带来无限可能！

         通过简单的API调用，您可以轻松地将这些强大的语言模型集成到您的产品中，实现智能化的文本生成、问答互动、多轮对话等功能，让用户体验更上一层楼！

         我们的亮点？不仅仅是接入这些模型，更是对它们进行了深度优化和整合，确保在您的产品中表现出色。无论是自然度、准确性还是响应速度，我们都力求做到最好。

         快速集成、高效稳定、极致体验——这就是日月摘星为您带来的全新升级！别再犹豫了，赶快加入我们，让您的产品在智能化的道路上更进一步！

         现在就联系我们，开启您的智能之旅吧！日月摘星，让智能触手可及！

ChatGLM的生成结果

        我们的日月摘星平台现在已经全面接入了 GPT-4、文心一言、ChatGLM 和 Claude-2.1 四大语言模型,用户可以通过 API 进行调用,快速集成到自己的产品中。

        这个平台的亮点在于,它可以让用户轻松地使用最先进的人工智能技术,提升自己的产品。无论是在自然语言处理、机器翻译、文本生成、对话系统等方面,我们的语言模型都能够提供出色的表现。用户可以通过简单的 API 调用,将这些模型应用到自己的产品中,提升产品的智能化程度,为用户带来更好的体验。

        我们的平台还提供了强大的扩展性和灵活性,用户可以根据自己的需求选择不同的模型和 API 端点,进行定制化的开发。无论是在 web、移动端、桌面端还是其他设备上,我们的平台都可以轻松集成,为用户节省开发时间和成本。

        日月摘星平台是一个可靠、高效、灵活的人工智能平台,让用户可以快速集成最先进的人工智能技术,提升产品的智能化程度,为用户带来更好的体验。

Claude2.1的生成结果

        日月摘星AI技术先进,全面接入最新语言模型。通过简单API调用,快速集成GPT-4、文心一言4、ChatGLM和Claude 2.1四大模型。

        实现人机深度互动,打造沉浸式用户体验。支持多轮对话、情感交互、个性化回复,大幅提升用户粘性。

        技术领先,模型迭代快。保证产品与行业发展同步,用户始终享受到最优质的AI服务。

        部署灵活,易于二次开发。适合快速嵌入各类产品,打造差异化优势。

        加入日月摘星AI生态,与行业巨头共成长!

这一轮的营销宣传稿件上，个人体感GPT4和文心一言4的效果更好一些，ChatGLM和Claude2.1发挥的部分略显有点多，亮点也不足以打动我心。

        PK2: 个人年度总结

        时至年终，年终总结是大家都绕不过的一道坎，多多少少也会跟年终奖挂钩，我们也来看看四大生成的效果如何。

        要求如下：

请帮我写一份简短的年终总结，今年完成了K8S集群应用的部署切换，应用层使用MeteorJS构建，开发速度更快。为应用接入了AI语言模型和图像模型，用户很满意。帮我写一份简短的年终总结，不超过300字，突出我的工作成果，以及辛苦

GPT4的生成结果:

今年，我成功完成了K8S集群应用的部署切换，这是一个巨大的成就。我利用MeteorJS构建了应用层，这大大提高了开发速度，使得我们能够更快地交付产品。此外，我还为应用接入了AI语言模型和图像模型，用户对此非常满意，反馈非常积极。这一年的工作非常辛苦，但看到用户的满意和认可，所有的努力都值得。这些成果不仅提高了我们的竞争力，也为公司带来了新的商业机会。我期待着在未来继续努力，为公司带来更多的成果和成功。

文心一言4的生成结果

        在过去的一年里，我们取得了令人瞩目的成果，我谨此作出简短总结。

        今年，我们成功完成了K8S集群应用的部署切换，此举大幅提升了应用的稳定性和可扩展性。应用层采用MeteorJS构建，使我们的开发速度显著加快，从而能更迅速地响应市场需求。

        更重要的是，我们为应用接入了AI语言模型和图像模型，这一创新性的举措受到了用户的广泛好评。通过引入人工智能技术，我们的应用变得更加智能化，为用户提供了更便捷、个性化的服务。

        这些成果的背后，是团队每一位成员的辛勤付出和无私奉献。我们共同面对挑战，共同庆祝每一次成功。我想借此机会感谢大家的努力和付出，你们的工作使这些成就成为可能。        

        总的来说，今年我们的工作取得了显著成效，不仅提升了应用性能，还通过引入AI技术增强了用户体验。在新的一年里，让我们携手共进，继续为用户提供优质的服务。

ChatGLM的生成结果

        在过去的一年里,我成功地完成了K8S集群应用的部署切换,并使用MeteorJS构建了应用层,使得开发速度更快。同时,我还将AI语言模型和图像模型接入了应用中,得到了用户的高度满意。

        在这个过程中,我付出了巨大的努力和辛苦。不断地学习和掌握新技术,不断地优化和调整应用,以确保它能够稳定高效地运行。我还与团队紧密合作,积极解决问题,确保项目能够按时完成。

        我非常自豪能够取得这些成果,这些成就离不开我的努力和团队的协作。我期待在未来的工作中,继续挑战自己,不断学习和成长,为公司和客户创造更多的价值。

Claude2.1的生成结果

这里是一份约300字的年终总结建议:

        2022年对我来说工作非常充实。我的主要成就是成功完成了公司核心业务系统的Kubernetes集群迁移,确保应用高可用。在开发方面,我引入了MeteorJS框架加快开发速度,同时使前后端开发人员更好地协作。另外,我还对产品进行了AI能力的增强,接入了语言理解和图像识别模型,为用户提供了更好的体验。在整个迁移和升级的过程中,我克服了许多技术难题,加班加点确保项目按计划推进和交付。虽然很辛苦,但看到产品变得更智能、更稳定,我感到无比欣慰。我会继续努力学习新技术,进一步提升自身能力,为公司业务增长贡献力量。

        就生成的个人观感而言，Claude2.1更得我心，GPT4和ChatGLM更加平实，文心一言4略显官腔。

        PK3: 写一小段代码

帮我写一段完成的python代码，找到/root/docker目录下所有子目录中的pip_requirements.txt文件，如果其中没有gunicorn添加gunicorn依赖，并在该目录重新调用命令pip install -r pip_requirements.txt

GPT4的生成结果:

import os
import subprocess

# Define the target directory
target_dir = '/root/docker'

# Function to append gunicorn to requirements file if not present
def append_gunicorn_if_missing(filepath):
    with open(filepath, 'r+') as f:
        lines = f.readlines()
        # Check if 'gunicorn' is already in the file
        if not any('gunicorn' in line for line in lines):
            f.write('\\ngunicorn\\n')  # Append gunicorn at the end of file

# Traverse the directory tree
for subdir, dirs, files in os.walk(target_dir):
    for file in files:
        # Check for pip_requirements.txt in each subdirectory
        if file == 'pip_requirements.txt':
            filepath = os.path.join(subdir, file)
            # Append gunicorn if it's missing
            append_gunicorn_if_missing(filepath)
            # Call the pip install command
            subprocess.run(['pip', 'install', '-r', filepath])

文言一心4的生成结果

import os
import subprocess

def add_gunicorn_and_install(directory):
    # 定义pip_requirements.txt的路径
    req_file = os.path.join(directory, \'pip_requirements.txt\')

    # 如果文件不存在，直接返回
    if not os.path.exists(req_file):
        return

    with open(req_file, \'r\') as f:
        lines = f.readlines()

    # 检查文件中是否已经有gunicorn
    if \'gunicorn\\n' not in lines:
        # 添加gunicorn到文件末尾
        lines.append(\'gunicorn\\n\')
        with open(req_file, \'w\') as f:
            f.writelines(lines)

        # 重新运行pip install命令
        try:
            subprocess.check_call([\'pip\', \'install\', \'-r\', req_file])
            print(f"Installed gunicorn in {directory}")
        except subprocess.CalledProcessError as e:
            print(f"Error while installing in {directory}: {e}")

def main():
    base_dir = \'/root/docker\'
    for root, dirs, files in os.walk(base_dir):
        # 只处理子目录，不处理base_dir本身
        if root != base_dir:
            add_gunicorn_and_install(root)

if __name__ == \'__main__\':
    main()

ChatGLM的生成结果

import os
import subprocess

# 指定docker目录
docker_dir = \"/root/docker\"

# 遍历子目录
for root, dirs, files in os.walk(docker_dir):
    pip_file = os.path.join(root, \"pip_requirements.txt\")

    # 检查文件是否存在
    if os.path.exists(pip_file):
        # 读取文件内容
        with open(pip_file, \"r\") as f:
            lines = f.readlines()

        # 检查gunicorn是否存在于文件中
        if \"gunicorn\" not in lines:
            # 在文件末尾添加gunicorn依赖
            with open(pip_file, \"a\") as f:
                f.write(\"gunicorn\")

            # 在当前目录重新调用命令pip install -r pip_requirements.txt
            subprocess.call([\"pip\", \"install\", \"-r\", pip_file])

print(\"Done!\")

Claude2.1的生成结果

import os

root_dir = '/root/docker'

for dirpath, dirnames, filenames in os.walk(root_dir):
    if 'pip_requirements.txt' in filenames:
        req_file = os.path.join(dirpath, 'pip_requirements.txt')
        with open(req_file, 'r+') as f:
            lines = f.readlines()
            has_gunicorn = False
            for line in lines:
                if line.strip() == 'gunicorn':
                    has_gunicorn = True
                    break
            if not has_gunicorn:
                f.write('\\ngunicorn')
        
        os.system(f'pip install -r {req_file}')

我只能说GPT4和Claude2.1生成的代码更加简洁，可能我更喜欢一些

        PK4: 写公关稿

针对吴亦凡事件，以吴亦凡工作室口吻写一封道歉信公关稿，不超过300字，要真挚有感情

GPT4生成的结果

亲爱的歌迷朋友们，

        我们深知这次事件给大家造成了极大的困扰和影响，为此我们深感抱歉。

        吴亦凡先生作为公众人物，他的言行举止应该是一个榜样。然而，近期发生的事件，无论是对受害者，还是对所有支持他的粉丝们，都造成了巨大的伤害。我们对此深感自责和歉意。

        我们已经对吴亦凡先生进行了深刻的反省和教育，他也深切地认识到了自己的错误，并愿意承担相应的责任。同时，我们也将加强对吴亦凡先生的管理和教育，以防止类似事件再次发生。

        我们诚恳地向所有受到伤害的人致以最深切的歉意，并希望能够得到大家的原谅。我们将会全力以赴，尽最大努力去弥补这次事件所造成的损失和影响。

        再次向大家表示歉意，感谢大家对吴亦凡工作室的支持和理解。        

        吴亦凡工作室

2021年7月29日

文心一言4生成的结果

尊敬的各位粉丝和公众：        

        我们，吴亦凡工作室，深感近期事件对社会和公众造成的影响，我们诚挚地向所有人道歉。

        我们承认，我们的管理疏忽和对某些问题的忽视，导致了这次事件的发生。我们深刻地反思了自己的错误，决定采取积极措施来改正这些问题。

        吴亦凡先生也深感自责和内疚，他愿意承担起应有的责任，并接受处罚和教训。他将认真反思自己的行为，努力改正错误，重新做回一个负责任的人。

        我们向所有受到伤害的人表示深深的歉意，我们将尽最大努力来弥补我们的错误，重新赢得社会和公众的信任。

        最后，我们再次向所有的粉丝和公众道歉，感谢大家一直以来对吴亦凡先生的支持和鼓励，也希望大家能够给我们一个改过自新的机会。我们将更加努力，为大家呈现更好的作品和服务。

        谢谢大家！

ChatGLM生成的结果

尊敬的网友们:

        我们代表吴亦凡工作室,就近期发生的事件向大家致以最诚挚的歉意。

        首先,我们要向所有受到吴亦凡事件影响的网友们道歉。我们知道,这起事件给很多人带来了困扰和不安,我们对此深感愧疚和内疚。

        其次,我们要向所有支持吴亦凡的粉丝们道歉。我们深刻认识到,这起事件给粉丝们带来了极大的伤害,我们对此深感抱歉,同时也感谢粉丝们一直以来的支持和陪伴。

        最后,我们要向所有关注此事的公众道歉。我们知道,这起事件给社会带来了一定的负面影响,我们对此深感抱歉,同时也承诺将积极面对此事,采取有效措施,避免类似事件再次发生。

        我们深知道歉不能弥补此次事件带来的伤害,但我们真心希望大家能够原谅我们的过失,给我们一个改过自新的机会。我们承诺将积极面对此次事件,采取有效措施,加强内部管理,提高艺人素质,为社会贡献更多的正能量。

        再次向受到此次事件影响的网友们、粉丝们和公众致以最诚挚的歉意!

吴亦凡工作室

Claude2.1生成的结果

        大家好,我是吴亦凡。

        近日,我的不当行为给大家带来了不好的影响,我深感悔恨。无论是出于什么原因,这种行为都是不能接受的。我明白自己犯了严重的错误。

        我要向所有受害者表示最真诚的歉意。你们所遭受的痛苦不应由任何人造成。我将承担所有法律后果和社会责任。

        同时,我也想告诉大家,我将从这次事件中汲取教训,深刻反省,严格要求自己,改正错误,重新做人。我将用实际行动来赎罪,以慈善事业来弥补受害者的伤害。

        我再次向所有人道歉,请大家给我一个改过自新的机会。我会努力挽回大家的信任和支持。感谢大家

10分钟通过API接入四大语言模型

第一步，注册日月摘星，获取API Key， 注册地址: 日月摘星官网, 注册认证还送6.66。

​

第二部，调用模型生成接口，自由选择您所需要的模型。

https://api.riyuexinzhu.com/llm/models/{model_name}/complete

目前支持的模型列表（model_name）如下所示：

模型名称	制作方	说明
gpt-3.5-turbo	OpenAI	ChatGPT模型（升级至1106，支持16k）, 文字生成效果很好，稍有"胡言乱语"
gpt-3.5-turbo-16k	OpenAI	ChatGPT模型增强版，16k上下文，适用长文本
gpt-4	OpenAI	GPT4模型(升级至1106, 支持128k), 目前已知文字处理效果最好的模型
gpt-4-32k	OpenAI	GPT4模型增强版
text-davinci-003	OpenAI	Prompt工程中广泛使用模型，效果略逊于gpt-3.5
ernie-bot-turbo	百度	文心一言模型，中文处理效果理论上更好，国货
ernie-bot-4	百度	文心一言模型升级版
bloomz-7b	HuggingFace	多国语言模型, 效果弱于gpt-3.5
chatglm_lite	清华大学	中英文语言模型-低配版，国货
chatglm_std	清华大学	中英文语言模型-标准版，国货
claude-instant-1-100k	ANTHROP\C	GPT最大竞对
claude-2	ANTHROP\C	Claude2.1 效果堪比GPT4

具体的调用示例如下：

https://api.riyuexinzhu.com/llm/models/gpt-3.5-turbo/complete

body入参:

 {
	'text': '为高级java开发工程师岗位编写岗位描述，要求5年以上工作经验，熟悉Spring， Webflux架构',
	'options': {
		'n': 2,
		'temperature': 0.3
	}
}

更多API接口内容欢迎您查看: 日月摘星接口文档。

无需东奔西走，日月摘星统一API接口助您10分钟接入AI新时代！