当前位置：首页 > news >正文

秘塔和Kimi AI在资料查询和学习中的使用对比

news 2025/7/5 6:27:35

在这里插入图片描述

一、引言

最近老猿在网上查资料时，基本上都使用Kimi AI进行查询，发现其查询资料后总结到位，知识点的准确度较高。今天早上收到一个消息，说新推出的秘塔AI比Kimi更新进，老猿利用在学习的《统计知识学习》简单对比试用了一下。

二、界面风格

首页Kimi是典型的类似GPT风格，而秘塔是搜索风格，如图：

二者个人觉得没有各有各的特点，没办法说谁优谁劣。
以最近学习的贝叶斯学习的知识对二者进行提问
以“贝叶斯学习公式各组成部分的含义解析”kimi的答复：

秘塔的答复：

可以看到Kimi有完整的公式介绍及组件介绍，内容清晰，前后呼应，知识点总结完整准确，而秘塔首先没有公式，理解就费劲一些，另外介绍各组成部分时缺少了关键的边缘概率的组成部分，也缺乏了贝叶斯学习过程总结的内容。
再次查询
使用“贝叶斯学习公式”再次查询，Kimi的答复：

秘塔的答复：
在这里插入图片描述
两个截图页面中蓝色矩形标记部分为输入问题处，可以看到输入框Kimi在页面下面：

秘塔输入框在页面上面，关键是秘塔的输入框平时是隐藏的，只有鼠标移动到上步时才看到，非常不显眼；
秘塔输入新问题时，前面的问题和回答会在页面上消失，而Kimi可以上滚看到。

另外从第二个问题秘塔的回答可以看到，秘塔对LaTeX公式不能做到显示最终显示效果。

三、小结
本文对比了秘塔和Kimi AI在资料查询和学习中的使用情况，从个人的观点来看，Kimi从界面和内容检索总结上都优于秘塔，但老猿对秘塔的特点不是很了解，是否有其他隐藏技能不了解，因此进行的对比可能不全面，欢迎大家指正。

更多统计学习基础知识请参考专栏《统计学习基础知识》。

更多人工智能基础知识请参考专栏《人工智能基础知识》。

写博不易，敬请支持：

如果阅读本文于您有所获，敬请点赞、评论、收藏，谢谢大家的支持！

关于老猿的付费专栏

付费专栏《https://blog.csdn.net/laoyuanpython/category_9607725.html 使用PyQt开发图形界面Python应用》专门介绍基于Python的PyQt图形界面开发基础教程，对应文章目录为《 https://blog.csdn.net/LaoYuanPython/article/details/107580932 使用PyQt开发图形界面Python应用专栏目录》；
付费专栏《https://blog.csdn.net/laoyuanpython/category_10232926.html moviepy音视频开发专栏 )详细介绍moviepy音视频剪辑合成处理的类相关方法及使用相关方法进行相关剪辑合成场景的处理，对应文章目录为《https://blog.csdn.net/LaoYuanPython/article/details/107574583 moviepy音视频开发专栏文章目录》；
付费专栏《https://blog.csdn.net/laoyuanpython/category_10581071.html OpenCV-Python初学者疑难问题集》为《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理》的伴生专栏，是笔者对OpenCV-Python图形图像处理学习中遇到的一些问题个人感悟的整合，相关资料基本上都是老猿反复研究的成果，有助于OpenCV-Python初学者比较深入地理解OpenCV，对应文章目录为《https://blog.csdn.net/LaoYuanPython/article/details/109713407 OpenCV-Python初学者疑难问题集专栏目录》
付费专栏《https://blog.csdn.net/laoyuanpython/category_10762553.html Python爬虫入门》站在一个互联网前端开发小白的角度介绍爬虫开发应知应会内容，包括爬虫入门的基础知识，以及爬取CSDN文章信息、博主信息、给文章点赞、评论等实战内容。

前两个专栏都适合有一定Python基础但无相关知识的小白读者学习，第三个专栏请大家结合《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理》的学习使用。

对于缺乏Python基础的同仁，可以通过老猿的免费专栏《https://blog.csdn.net/laoyuanpython/category_9831699.html 专栏：Python基础教程目录）从零开始学习Python。

如果有兴趣也愿意支持老猿的读者，欢迎购买付费专栏。