今天，我们来用一个典型的真实工作流来同台测试，看一看国产大模型和之间的差距会导致工作效率上差多少。
今天的工作流很简单，我们给定一个女性角色。后面要做的是：
1 从这个女性角色衍生出场景。
2 然后让AI帮助我们把场景写成。
3 让 基于生成批量图片。
4 让AI组织文字。
5 人工评审-图文成稿（未来是要自动成稿）。
今天给出的角色是秦淮花魁。
首先，我们用讯飞星火登场：
历史背景-文学，没问题。
我让它基于明清时代文人的描述，对秦淮河畔青楼花魁进行生活化的画面描述；输出4张不同场景的画面描述。
中文场景描述，不出彩，过得去。
然后，转换成。
改写成 的,不理解。fail 第一次。
然而，看起来它不理解，那么先转换为英文。
翻译为英文，OK。但是，实际上并没有有效改写为, 并不PASS。
我以为是它不懂规则，于是来调教一波。。它说，它懂了。
然后！！@#￥#￥%￥……%&（&@！！！！它说它懂了，其实并没有！
于是，测试失败。我放弃使用讯飞星火了。
总结一下，上面的工作是一个真实的工作流，它考验的其实是大模型的综合能力，最开始是知识面层次的；但后面就是应用能力层面；到了学习这个环节，其实是考验模型对上下文的理解和应用。
简单来说，就是AI要胜任工作，它得是真智能，而不是靠早早背熟答案来糊弄过关。
当然，讯飞星火可能经过未来一两个月的迭代，学会上面的技能，但目前就测试来说，是不行的。
而百度文心呢？它在第二个环节就理解错误了。自以为是的想发挥自己的多模态能力，画了一副中式装修的画。。
好吧，我就不麻烦它了。
基于本地部署的模型，它倒是可以把关键词剪出来。
但由于并不成型，输出格式也不对，我也不能用它（得一个个词改，麻烦）。
最后，完成工作的是：
最后，我们基于上面的工作反馈，在SD实现了一些具有故事情节的草图，但很显然，距离完成品还有相当一段距离（本质上就是让大模型完成创意流程的细节完善）：
更多秦淮花魁的AI绘画作品，请参见我们兄弟号，稍后更新~：
最后，来做个总结吧：
之前，我们在大模型测评中，测的很多都是单项题。单项题，很多时候是可以取巧的。
然而，实际上，真实工作往往遵循的是木桶原理，考验的是复合能力。最短的一块决定了工作表现。这一点，大家工作过的，想必会有共鸣。
本质上，我们引用SD、、各种大模型，都是为了提升效率，工作流要顺畅，最好能自动化；如果卡壳，其实人的耐心会很快消失~
上面突出暴露的问题是，讯飞星火并没有能够实时从上下文中学习规则（很多模型训练的时候数据库在2021年左右，那时候还没有SD 这玩意）；以致卡住。
而文心一言则是它一直以来都存在的理解力有问题，又恰好拥有多模态（很弱的画图能力）。这在实际上工作中是致命的，相当于我请了个听不懂我指令的员工，偏要去干他不擅长的活。
比较顺利的完成的任务，但它也并不是一帆风顺的，中间也有调整，好在是调整和学习都比较快。最后生成的词，改一改结构语法就能用上。如果配合脚本，至少人工量产是可以实现的。
值得一提的是本地化的 13B，虽然它的中文能力弱，但它展示了可能进一步微调优化定制化的可能性。
大模型测评
开源+本地运行！效果最好的中文类大模型平台闻达测评
干货满满！非官方正经实测：GPT4出题，文心一言陪测，讯飞星火认知大模型到底行不行？
详测科大讯飞星火大模型（2）：进步很明显，短板逐渐浮现
昆仑天工模型实测体验：优点不够突出，限制比较明显
