今天在逛英伟达官网的时候，发现在他们网站上可以免费使用各种比较火的开源大模型，包括：

• Chat 对话、推理：Llama-3、Phi-3 等；

• 文生图：sdxl-turbo、stable-diffusion-xl、edify-image、edify-3d-early-access（3D 的喔～）；

• 文生视频：Stable-video-diffusion；

尤其是 Stable Diffusion 这个文生图模型，其实很多人的电脑配置都无法达到它运行的最低标准。

官网地址：https://build.nvidia.com/explore/discover

大的分类上，平常能用到的就是推理（Reasoning）、视觉设计（Visual Design）和最近趋势（Trending now）。在 Gaming 里还有数字人，不过建模实属简陋，感兴趣的小伙伴可以自行探索，我们主要演示推理和视觉设计。

最近趋势（Trending now）

这个里面就是最近比较火的一些模型，比如 Llama-3、Phi-3 和 Stable Diffusion 等等。以 Phi-3-mini-128k-instruct 为例：

直接问一道经典鸡兔同笼问题：

鸡和兔在一个笼子里，共有35个头，94只脚，那么鸡有多少只，兔有多少只？

回答：

首先，我们知道鸡和兔的头数和脚数总和是35头和94只脚。

设鸡有x只，兔有y只。

根据题意，我们有两个方程：

1. x + y = 35 (因为鸡和兔的头数总和是35)

2. 2x + 4y = 94 (因为鸡有2头和4脚，兔有2头和4脚，所以总共的头和脚数是94)

我们可以通过方程1解出y = 35 - x。然后将y代入方程2中：

2x + 4(35 - x) = 94

2x + 140 - 4x = 94

-2x = -46

x = 23

现在我们知道鸡有23只。通过方程1，我们可以解出兔的数量：

23 + y = 35

y = 35 - 23

y = 12

所以，鸡有23只，兔有12只。

不过再绕一点的逻辑题它的回答是有问题的（原题地址：https://zhuanlan.zhihu.com/p/246173645）：

你被带到一张桌子前坐了下来，桌子上有一大堆硬币。你还没来得及看清楚桌上到底有多少枚硬币，眼睛就被人蒙上了。这时，有一个声音告诉你，在桌上的硬币里，有二十枚正面朝上，其余的都是反面朝上。现在你可以随意移动桌上的硬币，也可以随意把任意数量的硬币翻面。但你无法通过手指判断某一枚是正面朝上还是反面朝上。

耳边的声音又出现了。他要求你把桌上的硬币分成两堆，在每一堆中，正面朝上的硬币数量必须相等。如果做不到的话，他就一枪打死你。请问，你该怎么做呢？

Phi-3 回答：

首先，我们需要确定整个硬币数量。由于已知正面硬币的数量是20枚，所以总数必然是20+反面面硬币的数量。我们可以通过翻面一些硬币来找到这个数量。

接下来，我们需要找到这个总数的倍数，因为我们需要将硬币划分成两堆，每堆的正面面硬币数量必须相等。这意味着总数必须是两个正面硬币数量的倍数。

我们可以通过翻面一些硬币来找到这个倍数。例如，我们可以翻面一个硬币，如果它变为正面面硬币，那么总数就是21，这是两个正面面硬币数量的倍数（即3的倍数）。如果它变为反面面硬币，那么总数就是19，这也是两个正面面硬币数量的倍数（即19/2=9.5，但是这不是一个整数，所以不能作为倍数）。

继续翻面硬币，直到找到总数是两个正面面硬币数量的倍数的情况。比如，如果总数是30，那么我们可以将硬币划分为两堆，每堆有10个正面面硬币。

最后，将这两堆硬币分别放在两个不同的地方，确保每堆都有相同数量的正面面硬币。这样就满足了题目的要求，并且没有必要杀死。

emmm，没看懂?

正确答案是：

随便摸出二十枚硬币，把这二十枚硬币都翻个面，然后把它们作为一堆，剩下的所有硬币作为一堆就可以了。

我们来推演一下。首先假设你摸到的硬币里一枚正面朝上的都没有，那就说明那20枚正面朝上的都在另一堆里。现在你把摸到的20枚硬币都翻一次面，它们就全都变成20枚正面朝上的了。20等于20，满足要求。

接下来，我们再假设你摸到的20枚硬币里有一枚正面朝上的，这说明另一堆里还有19枚正面朝上的。现在你把摸到的20枚全部翻面一次，它们就变成了1枚反面朝上、19枚正面朝上。19等于19，满足要求。

一直推演下去，你就会发现，不管你摸到的20枚硬币里有几枚正面朝上，只要把它们翻一次面，最后都可以满足要求。

推理（Reasoning）

我们在 Reasoning 中选择 llam3-70b-instruct 来试试看这道题：

虽然它给我们使用英文回答了，但是它给出的答案是正确的！

经典的横向思维难题！:?:

这是解决方案：

从一堆硬币中随机取出一枚硬币并将其翻转过来。这枚硬币将成为我们的“标记”硬币。

将剩余的硬币分成两堆，A 和 B。

将标记硬币移至 A 堆。

翻转 B 堆中的所有硬币。

现在，将标记硬币从 A 堆移动到 B 堆。

翻转 A 堆中的所有硬币。

此时，我们有两堆，A和B，并且我们知道每堆中的单挑硬币数量是相等的。

原因如下：

最初，有 20 个正面朝上的硬币和一些数量未知的背面朝上的硬币。

当我们翻转标记硬币时，我们不会改变正面硬币的总数。

当我们将硬币分成 A 和 B 两堆时，每堆中正面硬币的数量是未知的，但正面硬币的总数仍然是 20。

当我们翻转 B 堆中的所有硬币时，我们实际上“镜像”了 A 堆中单挑硬币的数量。如果 A 堆有 x 个单挑硬币，则 B 堆现在将有 20 - x 个单挑硬币。

当我们将标记硬币从 A 堆移动到 B 堆时，我们不会改变任一堆中正面硬币的数量。

最后，当我们翻转A堆中的所有硬币时，我们确保A堆中正面硬币的数量等于B堆中正面硬币的数量。

瞧！我们成功地将硬币分成两堆，每堆中正面朝上的硬币数量相同，但不知道哪些硬币是正面朝上的，哪些硬币是反面朝上的。?

视觉设计（Visual Design）

在视觉设计中，我们平常可以用到就是文生图 Stable Diffusion 模型了，以 sdxl-turbo 和 stable-diffusion-xl 这两个模型为例来生成图片看看：

提示词：A girl,Round face, slightly bend and lower head + pale red lips

, ambient light, extremely detailed, best quality, 8k HD.

sdxl-turbo

stable-diffusion-xl

如图，sdxl_turbo 胜出?。文生图模型因为比较消耗资源的原因，对于访客只提供了 25 次调用的机会。

stable-video-diffusion

接下来我们试试 stable-video-diffusion 试试图生视频，提供一张今天在咖啡店拍的照片：

上传图片并开始 run 起来，大概有个十来秒就生成了一个 4s 的视频：