通义万相和千问不是一家的吗,分工到底怎么划

求一位两边都在项目里接过的朋友,帮我捋一下通义万相和千问的分工。

背景是团队里非技术的同事老把这俩搞混,我想先自己弄明白,再整理成一页给大家看。我目前的理解:万相偏视觉,生成图片、视频这类内容;千问更像对话、处理文字的大模型。一句话就是一个管画、一个管说。

卡住我的是实际怎么用。比如想让它先理解需求再出图,是得两个搭着用,还是万相自己就带理解能力?定位和能力边界这块我心里没底,不敢乱给同事科普,麻烦讲讲它俩各自适合的场景。

给非技术同事记住“一个画一个聊”就够,边界写细了他们反而记不住

了解

我实际是千问理解需求、万相出图,分两步更可控。

1 个赞

定位这块说法也一直在变,别写太死免得很快过时。