天工 3.0 更新页面

还记得一年前发布的 " 天工 1.0" 吗？当时双千亿级参数就已经让业界震惊了。没想到，仅仅一年过去，" 天工 3.0" 的参数量就直接翻了一倍，高达 4000 亿！

我的天，4000 个亿啊！这是人类的脑子吗？

别慌别慌！咱先来看看 4000 亿参数到底有多厉害？用一个形象的比喻，如果把 " 天工 1.0" 比作一个尖子生，那 " 天工 3.0" 就是名校博士生导师级别的。它不仅有更广博的知识，更具备更深入的理解和更强大的处理能力。

当然，数量只是第一步，质量的提升同样惊人。这次的" 天工 3.0" 采用了更时髦的 MoE（Mixture of Expert）架构，是全球最大规模的开源 MOE 大模型。通过混合多个专家模型，实现了性能的大幅跃升。

其中最令人惊喜的，是全新的 AI 音乐功能" 天工 SkyMusic"，它基于昆仑万维 " 天工 3.0" 超级大模型打造，是国内首款、同时也是目前国内唯一公开可用的 AI 音乐生成大模型。集歌词、曲调、编曲、演唱，直接一条龙服务，是中国首个音乐 AIGC SOTA，下载 APP 首页就能体验到。

不过对咱们普通用户来说，关心的无非就是 AI 助手够不够智能，够不够好用，体验感如何。咱们测过那么多产品了，今儿就来验验它成效如何？

（PS：目前 " 天工 3.0" 和 " 天工 SkyMusic" 开放公测了！大家可以在 APP 下载体验。）

第一部分：天工 SkyMusic 广告音乐也能生成！

说到 天工 SkyMusic，有必要说说它的原理：

「天工 SkyMusic」采用音乐音频领域类 Sora 模型架构，Large-scale Transformer 负责谱曲，来学习 Music Patches 的上下文依赖关系，同时完成音乐可控性；Diffusion Transformer 负责演唱，通过 LDM 让 Music Patches 被还原成高质量音频，使得「天工 SkyMusic」能够支持生成 80 秒 44100Hz 采样率双声道立体声歌曲。这套模型架构在处理视频、音频和音乐领域效果极佳。

天工 SkyMusic 技术原理图

举例解释原理

别急别急，咱用一个例子让你秒懂天工 SkyMusic 是怎么实现的：

你可以把天工 SkyMusic 想象成一个超级厉害的 " 作曲机器人 "。这个机器人有三个部分：编码器（Encoder）、神经网络（DiT）和解码器（Decoder）。

编码器就像机器人的 " 耳朵 "，它会仔细 " 聆听 " 海量的歌曲，从中学习各种音乐元素，比如音符、节奏、音色等等。学习的结果就存在它的 " 大脑 " 里，也就是中间的神经网络。

当你想创作一首新歌时，就给机器人输入歌词。这时候，它的神经网络 " 大脑 " 就开始飞速运转，根据你的歌词，从 " 记忆 " 中找出最合适的音乐元素，再将它们巧妙地组合在一起。这个过程就像我们人类作曲时的灵感迸发。

最后，解码器像机器人的 " 嘴巴 "，将神经网络输出的音乐信息还原成我们耳朵可以听到的音频。这样，一首崭新的歌曲就诞生了！

简单来说，编码器负责 " 学习 "，神经网络负责 " 创作 "，解码器负责 " 合成 "。这三个部分紧密配合，不断从海量音乐中学习，再创造出无限可能的全新音乐。这就是天工 SkyMusic 的 " 魔力 " 所在。

所以，天工 SkyMusic 并不是简单的拼凑，而是真正意义上的用 AI 进行音乐创作。目前，它还在起步阶段，未来随着算法升级、训练数据的丰富，创作能力必将越来越强大。我们有理由期待，AI 会为音乐创作带来一次革命性的突破！

别急，让我用一个活泼的比喻来解释天工 SkyMusic：

想象有个作曲神器，它由三部分组成：编码器、神经网络和解码器。

编码器就像是这个神器的 " 耳朵 "，专门听遍全球的歌曲，学习里面的音符、节奏和音色。

然后，你只需一句歌词，它的神经网络就像灵感全开，迅速从记忆库里找到最匹配的音乐元素，再巧妙地创作成曲。

最后，解码器将这些信息转换成音频，一首新歌就这样诞生了！

天工 SkyMusic 能根据输入的歌词，自动生成包括旋律、和声编曲在内的完整歌曲，整个过程仅需几分钟。

我们尝试用天工 SkyMusic 改编了一些经典神曲和古诗词，不仅歌词韵味十足 , 连整体旋律都洋溢着浓浓的中国风。

中国风音乐：以古诗词为词，用传统乐器为曲，看看效果如何：

行路难开头国风乐器直接把我带入到行路难这首诗当中，男声一进入则让人感觉一种安定，不过后面的唱和旋律部分差了点儿意思。

音乐魔改：儿时回忆快乐星球片尾曲《月亮船》，上周暴雪国服回归，很想创作一首暴雪版《月亮船》，开头有点儿那味儿了，不过歌词和旋律需要再打磨打磨。真真儿是降低音乐创作门槛，有手就会啊！

这首歌真是给所有暴雪游戏粉丝带来了一波怀旧风。

歌词里点到了《魔兽世界》、《炉石传说》等经典，一听就勾起了无数回忆。不过，旋律和编曲方面还能再火一些，让人更有热血沸腾的感觉。AI 演唱的部分也确实需要再逼真点，特别是在情感的表达上。

儿童音乐：在教育领域，儿歌可谓是是担当了让娃们 " 乐呵呵 " 的利器，这不，系统刚给我图鉴一首儿歌，我就赶紧跑来天工 SkyMusic 试试看。特别适合满身艺术细胞的爸妈们，赶紧给娃做一曲！

这《小雨点》这首儿童歌曲真的太朗朗上口了！！旋律简单易学，孩子们一听就能跟着哼唱。而且歌词里用了很多生动的自然画面和拟声词，非常有趣，能吸引孩子们的注意力。（PS：封面也特别的应景。）

除了以上几种类型，天工 SkyMusic 还能用于广告歌制作等商业领域，我们创作了几首由它创作的品牌主题曲，不得不说 AI 在这方面的发挥已经十分出色。

天工 3.0 专属音乐

歌词用粤语唱出来更有感觉，这首歌参考的是张靓颖的《我的梦》，也是作为一首宣传曲，在音色旋律上是有借鉴到。需要加强的是在保持人声自然流畅的同时，还要能够传达出歌词中的深度和力量。

天工 SkyMusic 专属音乐

以上种种案例，都充分展现了天工 SkyMusic 强大的音乐生成能力。它不仅可以根据不同的需求和场景，快速生成相应风格的音乐，而且生成的音乐在编曲、和声、人声等方面都有相当不错的表现，堪称是一个极具创造力的 AI 音乐助手。

天工 SkyMusic 的出现，无疑极大地拓宽了音乐创作的边界。有了它的加持，无论你是音乐爱好者、音乐从业者，还是广告、教育等领域的从业者，都能轻松创作出令人耳目一新的音乐作品。可以说，天工 SkyMusic 为全民音乐创作时代铺平了道路。

不过，我们也要看到，尽管天工 SkyMusic 展现了惊人的音乐创作潜力，但它终究只是一个工具。在音乐创作这件事情上，人的主观能动性和创造力仍然是不可或缺的。天工 SkyMusic 提供的更多是灵感和素材，真正将其塑造成打动人心的作品，还需要人的二次创作。

因此，与其担心 AI 会取代人类音乐人，倒不如思考如何让人机协作、相得益彰。AI 负责提供想象力，而人负责赋予情感和温度，这样的 "AI+ 人 " 组合，也许会碰撞出前所未有的音乐火花。

第二部分：天工 3.0 全方位测评

接着我们用天工 3.0 来进行一次 " 童年回忆杀 "。

首先利用它强大的中文理解和创作能力，让天工 3.0 给数学公式编写顺口溜，做文言文阅读理解，然后再做几幅水墨画，看看是否全能！

我用天工学数学！

从中文理解和生成效果来看，天工 3.0 对中文语言节奏、韵律的掌握还不错，生成的顺口溜儿我都想背了！

我用天工做文言文阅读理解！

为了更全面、系统地测试 " 天工 3.0" 的中文理解和创作能力，咱也提升点儿难度，我们选取初中课本中常见的 2 篇文言文，考察天工学对文言文字词句理解、文章主旨把握、修辞手法分析、作者情感体悟等方面的能力。

结果令人惊喜，天工 3.0 不仅准确领会了诗词背后的深意，还能用生动的现代语言进行阐释，展现出对人类语言细微差别的把控能力。

我用天工让古诗学画画！

再来看看它的文生图能力如何，首先是让它根据古诗作画，对于给到的词中理解到位，第一句的效果画的很不错。

然后点开图拍之后发现还有扩图和二次重绘的功能，功能上有点儿 MJ 那味儿了。

咱们再升级一下，作为一款与时俱进的 AI，天工 3.0 当然也要经受中文高质量语料 " 弱智吧 " 的洗礼。

面对各种歪理邪说和脑筋急转弯，它都能迎刃而解，甚至还能就梗图进行幽默点评，再次验证了其过硬的语义理解和灵活的内容生成水平。

对于弱智吧的提问，天工 3.0 中规中矩，逻辑清晰，没出什么大错。

弱智吧提问

再来看看 AI 识图功能，这部分就只能识别出里面文字了，似乎它的功能并不在于此。

看看天工怎么说的：

再来一张试试：

看这回答，AI 识图对梗图不太友好，只能理解到字面意思。

相反对于摄影赏析、古诗创作等功能属性较强的图片更加友好，看来是术业有专攻！

AI 识图：摄影赏析、古诗创作

第二，多模态能力的展现

接下来我们我们让天工 3.0 为一个假想的地震救援行动出谋划策，通过三问三答让它快速生成了一套覆盖资源调配、路径规划等全流程的救援方案。

这三问三答展示了模型在处理复杂问题（如地震救援行动）时的强大逻辑推理和全面规划能力，能详尽分解任务并考虑多维度因素。优点在于能详细覆盖救援的关键环节和多方面的技术应用，缺点则是在某些情况下可能过于详细，导致信息过载，不够简洁。

再来一些高难度的，让它做一个股市分析和预测：

这段代码实现了一个基本的股票价格监控应用，能够让用户通过一个简单的界面输入股票代码，查看实时价格。它的好处在于界面直观易用，而且加入了错误处理机制，确保在遇到问题时能给出提示，避免程序崩溃。

第三，再来测测他的搜索能力如何？

天工 AI 搜索，不仅在在原本的基础上做了加强，搜索的更佳精准，而且平时还能推送热点，最快接触到当下的时事新闻，这一点对于 2G 网络的伙伴非常友好。

以搜索：贪吃蛇的游戏代码为例

先来看第一种：传统模式。

它的回答提供了一个基本的贪吃蛇游戏代码实现，使用 Python 的 curses 库。虽然代码涵盖了游戏的基础功能，包括初始化、输入处理和游戏逻辑，但存在一些语法和逻辑错误，这影响了代码的准确性和可执行性。信息来源相对单一，主要是一个直接的代码示例，缺乏深入探讨或优化的部分。

再看第二种：增强模式，效果确实比传统模式好上不少。

这个模式在内容丰富度和准确性方面表现较好，详细介绍了使用 Python 和 C++ 实现贪吃蛇游戏的方法。它涵盖了环境初始化、游戏逻辑、渲染显示以及用户输入处理，提供了全面的信息，适合初学者和有经验的开发者。同时，使用 pygame 库增强了图形处理和事件管理的能力，使得实现更加高效和可靠。

最后来看第三种：研究模式。这个模式在前两种的基础上在信息源、信息丰富度上有着不小提升。

详细来看，研究模式搜索最为全面和深入，不仅提供了多种编程语言的基础代码示例，还深入探讨了性能优化、算法改进和跨平台实现等高级技术。这种模式的信息来源非常丰富，适合那些希望深入了解和扩展游戏功能的开发者。性能优化的讨论尤其有助于提高游戏的响应速度和流畅度，使其更适合现代游戏开发需求。

同时还有大纲和思维导图的生成，对于信息来源也是一目了然，缺点是因为生成内容长，所以生成速度也会相应拉长。

不得不说搜索这块儿，天工 3.0 还是有几把刷子的！

第四，创建智能体部分

这部分是老生常谈了，不过天工 3.0APP 里面有个标签儿吸引了我的注意，就是元宇宙，打开一看原来是 " 角色扮演 " 游戏，那基本上也跟智能体是一家人了。

智能体页面

在天工 3.0 中，有两种方式来创建智能体，对话式和表单式：

对话式创建有 " 智能体创建小助手 " 在手，更适合目前对智能体不太了解的朋友们；

而表单式创建则更加自定义，我做了一个国风音乐生成助手，效果如下：

结尾

整个测试下来，" 天工 3.0" 确实比 " 天工 2.0" 强了不少！看来是下了硬功夫的。而且它还特别打造了 " 天工 SkyMusic" 功能，让我们在音乐领域实现创作自由！不过，天工 SkyMusic 目前虽然仍处于起步阶段，但已经让很多用户感受到了音乐创作的乐趣。未来会随着持续优化不断完善，打造一个专业且易用的全民音乐创作平台。