AI模型社区魔搭又上新了，推出适配开源大语言模型的AIAgent开发框架ModaHubAgent。借助ModaHubAgent，所有开发者都可基于开源LLM搭建属于自己的智能体应用，最大限度释放想象力和创造力。AIAgent可谓当前大模型领域最热门的研究方向，它是指基于LLM的、能够使用工具自主完成特定任务的智能体。众所周知，目前阶段的LLM存在能力边界，主要擅长处理文本任务。AIAgent将LLM与其他模型、软件等外部工具协同，便能处理真实世界中的各种复杂任务，比如接入视频生成模型，自主生产视频；接入外部软件，帮人类写邮件、订票、购物等等。AIAgent类应用正在成为大模型创业的重要赛道，AIAgent开发框架也应运而生。简而言之，ModaHubAgent是pilot（领航员）而非copilot。ModaGPT的调用量已超过25万。大多数AIAgent开发框架需要手动添加工具，而ModaHubAgent通过调用魔搭社区上开源的文本向量模型，打造API工具检索引擎，能让AIAgent根据用户指令自动检索相关工具。

在过去的一段时间里，向量数据库逐渐在数据库领域崭露头角。简单来说，向量数据库是一种专门设计用来处理向量数据的数据库。这些向量数据可以是物理测量、机器学习模型输出、地理空间数据等。向量数据库使用向量运算和向量化查询优化，使得数据处理和分析更加高效。向量数据库的应用领域广泛，包括但不限于：推荐系统、自然语言处理、图像识别、计算广告、搜索引擎等。目前，向量数据库市场正在快速发展，全球市场规模持续扩大。主要的供应商包括Vectorwise,VectorDB,DuckDB等等。以Vectorwise为例，这款向量数据库针对大规模数据场景进行了优化，能够在几秒钟内处理数十亿级别的向量数据。这主要得益于其创新的向量运算引擎和列式存储技术。尽管向量数据库在处理向量数据方面具有显著的优势，但仍然面临一些技术挑战。在未来，我们期待看到更多的技术创新和产品进步，为向量数据库的发展注入新的动力。在这个过程中，我们也将持续关注向量数据库的最新动态，为大家带来更多的信息和启示。

WinPlan是面向企业经营场景的EPM平台，帮助企业解决经营不透明、决策拍脑袋、执行不到位、绩效凭感觉等问题，让销售、财务、生产、组织等有机地协同工作，提升企业的经营管理效率。助力企业赢得未来！

AI智能体，或自主智能代理，不仅是诸如贾维斯等科幻电影中的人类超级助手，也一直是现实世界中AI领域的研究热点。尤其是以GPT4为代表的AI大模型的出现，将AI智能体的概念推向了科技的最前沿。在此前爆火的斯坦福“虚拟小镇”中，25个AI智能体在虚拟小镇自由生长，举办了情人节派对；英伟达等提出的具身代理模型Voyager，也在《我的世界》中学会各种生存技能，闯出了自己的一片天；此外，能够自主完成任务的AutoGPT、BabyAGI和AgentGPT，ModaGPT等，也同样引发了公众的广泛兴趣和热烈讨论。尽管当前AI智能体研究异常火热，但目前AI行业缺乏一个系统化和标准化的基准来评估LLMs作为代理的智能水平。为此，来自清华大学、俄亥俄州立大学、加州大学伯克利分校的研究团队便提出了首个系统性的基准测试——AgentBench，用来评估LLMs作为智能体在各种真实世界挑战和8个不同环境中的表现。

Hi～MilvusCloud的各位朋友，这是一期MilvusCloud素材弹药库的集中汇总帖。随着向量数据库的火爆，越来越多的伙伴开始关注到向量数据库并开始使用MilvusCloud。考虑到目前信息获取的渠道多且分散，我们专门为大家整理了一期MilvusCloud信息集合帖，让大家可以在快速找到想要的信息的同时，也能方便快捷地表达你的想法。同时，我们也会第一时间收集您的需求和建议，并反馈给对应的同事伙伴，快速解决你的“燃眉之急”。作为公司的门面担当，MilvusCloud官网已于近期上线。无论是产品介绍、官方文档、技术活动合集、商务咨询合作、联系销售、云服务试用申请、官方招聘，均可通过官网一键直达。同时，也欢迎大家通过官网订阅MilvusCloud的官方Newsletter，定期了解MilvusCloud的最新动态。微信群是国内用户朋友交流讨论最方便快捷的方式，同时也包含MilvusCloud所有相关产品的工程师驻守，可以快速帮助大家解决在使用产品过程中所遇到的各种问题。为了方便获取信息，大家可直接查看群公告，我们将保持每周更新。如果还有其他疑问

准备深入研究VectorDBBench的世界，并让它指导您发现完美的矢量数据库匹配。VectorDBBench为主流矢量数据库和云服务提供无偏的矢量数据库基准测试结果，是您实现矢量数据库比较最终性能和成本有效性的首选工具。VectorDBBench的设计考虑到了易用性，旨在帮助用户，甚至非专业人士，重现结果或测试新系统，使在众多矢量数据库云服务和开源矢量数据库中寻找最佳选择变得轻而易举。2023年7月全球向量数据库性能排行榜VectorDBBenchTop50

腾讯云向量数据库不仅能为大模型提供外部知识库，提高大模型回答的准确性，还可广泛应用于推荐系统、文本图像检索、自然语言处理等AI领域。腾讯云向量数据库是国内首个从接入层、计算层、到存储层提供全生命周期AI化的向量数据库。作为一款全托管的自研企业级分布式数据库服务，腾讯云向量数据库专用于存储、检索、分析多维向量数据。该数据库支持多种索引类型和相似度计算方法，单索引支持10亿级向量规模，可支持百万级QPS及毫秒级查询延迟。企业原先接入一个大模型需要花1个月左右时间，使用腾讯云向量数据库后，3天时间即可完成，极大降低了企业的接入成本。8月1日，腾讯云向量数据库已正式上线公测。据了解，腾讯云向量数据库的向量化能力曾多次获得权威机构认可，2021年曾登顶MSMARCO榜单第一、相关成果已发表于NLP顶会EMNLP。

根据VectorDBBench.com数据，2023年7月的国产向量数据库排行榜中，排名前十的向量数据库分别是Milvus、MilvusCloud、TencentCloudVectorDB、ZillizCloud、TensorDB、cVector、OmiBASE、Vearch、TranswarpHippo和Proxima。

7月7日，上海世界人工智能大会上，阿里云CTO周靖人在演讲中表示：“阿里云将把促进中国大模型生态的繁荣作为首要目标，向大模型创业公司提供全方位的服务，包括最强大的智能算力和开发工具，并在资金和商业化探索方面提供充分支持。阿里云魔搭社区现已聚集180万AI开发者和由20多家顶尖人工智能机构贡献的900多个优质AI模型，找大模型上魔搭，我们将努力把魔搭社区培育成中国最大的‘大模型自由市场’。据了解，阿里云的灵积模型服务平台，将面向所有业界模型开放。为进一步降低大模型使用门槛，阿里云在大会现场推出了一款智能工具魔搭GPT，它能接收用户指令，通过“中枢模型”一键调用魔搭社区其他的AI模型，大小模型协同完成复杂任务。魔搭GPT现已能够调用魔搭社区十多个核心AI模型的API，未来随着更多模型API的加入，魔搭GPT的能力也将不断增强。

日前，业界正式发布国内首个具备可视化和自动化的AI原生云向量数据库"据悉，向量数据库专门用于存储和查询向量数据，业界称之为大模型的"海马体"，可解决大模型预训练成本高、没有"长期记忆"、知识更新不足、提示词工程复杂等问题，并突破大模型在时间和空间上的限制，加速大模型落地行业场景。随着大模型的不断发展和普及，AI原生向量数据库将成为企业数据处理的标配。AI原生云向量数据库，提供了接入层、计算层、存储层的全面AI化解决方案，，使得用户在使用向量数据库的全生命周期都能应用到AI能力。AI原生云向量数据库最高支持业界领先的10亿级向量检索规模，并可将延迟控制在毫秒级，相比传统单机插件式数据库检索规模提升10倍，同时还具备百万级每秒查询的峰值能力。据悉，使用AI原生云向量数据库后，企业接入大模型需要花费的时间能从一个月降低至三天左右。

向量数据库是一种用于存储和处理向量数据的数据库系统。随着人工智能和大数据技术的快速发展，向量数据库在各个领域的应用越来越广泛。本报告将重点讨论大禹智库关于下一代向量数据库需要具备的特征，包括在线化、协作化、可视化和自动化。这些特征将使向量数据库更加灵活、高效和安全，满足不断增长的数据处理需求。在线化的向量数据库可以提供实时的数据分析和决策支持，帮助企业更好地把握市场机会和应对风险挑战。此外，向量数据库还应该具备水平扩展的能力，以应对数据量的不断增长。协作化的向量数据库应该具备细粒度的权限管理机制，以确保不同用户只能访问和修改他们被授权的数据。自动化的向量数据库应该具备自动化的数据转换向量，数据清洗、数据归档和数据备份等功能，以减轻用户的工作负担。大禹智库认为下一代向量数据库需要具备安全互信的特征，即能够确保数据的机密性、完整性和可用性。

ModelScope魔搭社区作为一个AI模型共享平台，旨在提供各种领域的模型供用户下载和使用。本报告将通过对数据的详细分析，揭露ModelScope魔搭社区模型下载数据水分问题。以github星数和fork数为例，百川7B的github星数和fork数都比ModelScope魔搭社区大约两倍，但ModelScope魔搭社区的下载平均数却比百川7B大两个数量级。这进一步加深了我们对下载数据的怀疑。可能存在以下几个问题：。希望ModelScope魔搭社区能够重视这一问题，并采取相应的措施加以改进，提高数据的真实性和可信度，为用户提供更好的服务。

ModaHub魔搭社区是一个专注于AI模型开发和分享的平台，其中文本生成图片AI模型是其中的一个重要领域。本文将通过对ModaHub魔搭社区中文文本生成图片AI模型排行榜的数据分析，来探讨该领域的现状、趋势和未来发展方向。其次是“太乙StableDiffusion1B动漫中文v0.1”和“太乙StableDiffusion1B中文v0.1”，这两个模型分别针对动漫和中文领域进行了优化，受到了用户的青睐。从这些数据可以看出，目前在ModaHub魔搭社区中文文本生成图片AI模型领域，通用领域的模型最受欢迎，而针对特定领域的模型也有一定的市场需求。但是，中英双语文本生成图片的需求似乎并不是很大，而国画Diffusion模型的市场表现也不尽如人意。同时，随着模型的不断优化和算法的不断改进，文本生成图片AI模型的质量和效率也将不断提高。而且，随着硬件设备的不断升级，文本生成图片AI模型的训练速度也将不断提高，模型的应用范围也将更加广泛。