当前位置: 首页 > news >正文

国内的 Ai 大模型,有没有可以上传excel,完成数据分析的?

小说推文AI视频生成:小说文案智能分镜+智能识别角色和场景+批量Ai绘图+自动配音添加音乐+一键合成视频+百万播放量icon-default.png?t=N7T8https://aitools.jurilu.com/
有啊!智谱清言、KiMI、豆包都可以做数分,在计算领域尤其推荐智谱清言,免费、快速还好使!

2k字给你说清楚这3个大模型的能力测试和对应结果,想用AI做excel的友友必看系列~

就目前,市面上不乏声称能够轻松处理Excel文件的各类AI大模型,但说实话,它们的表现却是参差不齐。像KiMI豆包智谱清言这样的工具在处理数据时确实令人眼前一亮,不过有的处理起Excel文件来就显得力不从心了,不是图表呈现不够直观,就是数据准确性让人捏把汗。更别提偶尔会算错数字,实在让人头疼不已。接下来,让我们一起探讨这些AI模型在处理Excel文件时的表现和差异吧!

一、计算能力数据准确性

计算总和

在计算总和的能力上,不同AI模型的表现各异。经过多次严谨测试,我发现智谱清言在准确性和计算能力上都表现最为可靠,而KIMI和豆包则在某些方面存一些不足。

我上传一个关于全球总人口数量的文件,先以最简单的求和问题,询问表中每年的总人口数量是多少,并希望以表格的形式表现出来。

KiMI很快的计算出了结果,并且表格的形式呈现,但每年的结果是错误的。(图表中有世界这一栏,给出的是世界这一栏的答案)

豆包也计算出来了结果,并且以表格的形式形式呈现,很明显计算结果有误。(图表中有世界这一栏,给出的是世界这一栏的答案)

智谱清言的速度相比较KIMI和豆包比较慢,因为它需要先思考在执行,最后出结果,但是虽然慢结果是正确的。 从以上分析可以看出只有智谱清言的计算总和能力没问题。

查找数据计算总和

我以“我想知道中国这几年的人口数量总和,将每一年的数据列出来,在列出来总和”为问题,看看各家模型给出的答案,而总和应该是6728055000。

KIMI的答案:查找数据没问题,计算总和有问题。

豆包的答案:查找数据没问题,计算总和没问题。

智谱清言的答案:查找数据没问题,计算总和也没问题。

排序问题

我以“我想知道每年人口数量最多的10个国家,并且用图表表现出来”这个问题,测试下各家模型的排序问题,以及是否把结果现出图表。 不管我是按照一个图表进行排序还是每个图表进行排序,前10名分别是世界、中低收入国家、中等收入国家、中低等收入国家、中高等收入国家、南亚、中国、高收入国家、印度、撒哈拉以南非洲地区。

KIMI的答案:没有答案,只提供了方法。

豆包的答案:答案错误,不知道是否认为【中高等收入国家】这种不是国家,所以给出的答案都是国家,但是我想处理的仅仅是这个表格,答案不是我想要的。 豆包目前无法生成图表,只能以表格形式呈现。

智谱清言的答案:答案完全正确,并且生成了图表,图表也可以进行下载。

计算增长率

计算增长率涉及减法及除法,我以‘地区代码以a开头的国家,每5年的增长率是多少’为题,看各模型的答案。 KIMI的答案:依然告诉我方法,没办法告诉我实际的答案。

豆包的答案:查找数据正确,计算数据正确,但是缺少2016-2021年的增长率数据。

智谱清言的答案:这次让我很遗憾,智谱清言只查找了数据,无法进行计算。 我尝试了其他的方法来进行人口增长率的计算,它告诉我无法进行计算,

二、图表呈现能力

通过以上数据的分析,可以知道KIMI和豆包只能提供表格样式。

智谱清言可以提供图表形式,接下来测试是否提供其他形式,比如饼状图、柱状图等。

通过以上测试,基本生活中需要的图表都可以生成,这点而言我目前还未发现其他模型可以完成。

三、其它模型

讯飞星火可以支持上传Excel文件,但是目前问题只有第一个问题回答了总和,其他问题都没回答出来。

通义千问可以支持上传Excel文件,但是没有一个问题回答出来。

总之国内的AI大模型在支持Excel文件上传及分析方面各有千秋。

智谱清言不仅支持包括Excel在内的各种格式文件上传,还能对上传的文件进行进一步的数据分析,并给出相应的分析结果,同时数据的准确性是最高的,还可以生成各种需要的图表,以出色的文件分析和结果输出能力而脱颖而出。

这对于需要进行复杂数据处理的用户来说,无疑是一个巨大的便利。

其次是豆包,豆包数据处理上基本上比较准确,只是图表的多样性有待提高。

与智谱清言、豆包相比,KIMI可以接受Excel文件的上传,它没有提供针对Excel文件的直接分析功能,很多问题只能提供方法都不能提供直接的分析结果,意味着用户在上传数据后,还需借助其他工具或方法来完成数据分析的工作。

通义千问以及讯飞星火虽然支持文件上传,但在数据分析功能上还有待提升。

值得注意的是,文心一言目前只支持PDF文件的上传,暂时还不支持Excel文件。

用户在选择使用这些大模型进行数据分析时,需要根据自己的需求来做出最合适的选择。

相关文章:

国内的 Ai 大模型,有没有可以上传excel,完成数据分析的?

小说推文AI视频生成:小说文案智能分镜智能识别角色和场景批量Ai绘图自动配音添加音乐一键合成视频百万播放量https://aitools.jurilu.com/ 有啊!智谱清言、KiMI、豆包都可以做数分,在计算领域尤其推荐智谱清言,免费、快速还好使&a…...

Spring: jetcache

一、介绍 JetCache是一个基于Java的缓存系统封装,提供统一的API和注解来简化缓存的使用。 JetCache提供了比SpringCache更加强大的注解,可以原生的支持TTL(‌Time To Live,‌即缓存生存时间)‌、两级缓存、分布式自动…...

什么是分布式事务?

分布式事务跨越多个系统,确保所有操作一起成功或失败,这对于在现代计算环境中跨不同地理位置分离的资源维护数据完整性和一致性至关重要。 1. 为什么需要分布式事务? 分布式事务的需求源于确保分布式计算环境中多个独立系统或资源之间的数据…...

深入Java内存区域:堆栈、方法区与程序计数器的奥秘

引言 在Java开发过程中,合理地管理和利用内存资源对于提高程序的运行效率至关重要。特别是在大型项目或高并发场景下,一个小小的内存泄漏就可能导致整个系统崩溃。因此,掌握Java内存区域的相关知识,不仅能帮助我们更好地理解程序…...

【ML】异常检测、二分类问题

【ML】异常检测、二分类问题 1. 异常检测、二分类问题1.1 异常检测(Anomaly Detection)1.2 二分类问题(Binary Classification)1.3 异常检测与二分类问题的对比1.4 总结 2. 模型额训练与评估3. 为什么会出现比较高的误识别&#x…...

8.8-配置python3环境+python语法的使用

1.环境 python2 ,python3 [rootpython ~]# yum list installed|grep python ​ ​ [rootpython ~]# yum list installed|grep epel epel-release.noarch 7-11 extras ​ #安装python3 [rootpython ~]# yum -y install python3…...

高质量WordPress下载站模板5play主题源码

5play下载站是由国外站长开发的一款WordPress主题,主题简约大方,为v1.8版本, 该主题模板中包含了上千个应用,登录后台以后只需要简单的三个步骤就可以轻松发布apk文章, 我们只需要在WordPress后台中导入该主题就可以…...

【C++】类的概念与基本使用介绍

C类是面向对象编程(OOP)的基础,它允许我们将数据(属性)和行为(方法)封装在一起,形成一个自定义的数据类型。以下是C类的基本概念、特点、特性以及使用注意事项,最后会提供…...

基于Python和OpenCV的图像处理的轮廓查找算法及显示

文章目录 概要轮廓查找算法示例代码代码解释小结 概要 在图像处理中,轮廓查找是一个重要的步骤,它可以帮助我们识别图像中的形状和边界。Python结合OpenCV库可以非常方便地实现这一功能。本文将详细介绍如何使用Python和OpenCV来查找图像中的轮廓&#…...

使用ant design的modal时,发现自定义组件的样式(组件高度)被改变了!

一 问题描述 在项目中,自定义了一个组件,分别在界面和 antd的modal中都有使用到。但是突然发现,界面中的组件样式跟modal中的组件样式高度不一样。modal中的组件整体要比页面中的组件要高一点。 项目中的自定义组件比较复杂,因此&…...

NLP从零开始------8文本进阶处理之文本向量化

1. 文本向量化概述 随着计算机计算能力的大幅度提升,机器学习和深度学习都取得了长足的发展。NLP越来越多的通过应用机器学习和深度学习工具解决问题,例如通过深度学习模型从网络新闻报道中分析出关键词汇与舆论主题并构建关系图谱。在这种背景下&#x…...

【网络编程】字节序,IP地址、点分十进制、TCP与UDP的异同

记录学习,思维导图绘制 目录 1、字节序​编辑 2、IP地址 3、点分十进制 4、TCP与UDP的异同 1、字节序 2、IP地址 3、点分十进制 4、TCP与UDP的异同...

关于k8s的pvc存储卷

目录 1.PVC 和 PV 1.1 PV 1.2 PVC 1.3 StorageClass 1.4 PV和PVC的生命周期 2.实战演练 2.1 创建静态pv 2.2 创建动态pv 3.总结 1.PVC 和 PV 1.1 PV PV 全称叫做 Persistent Volume,持久化存储卷。它是用来描述或者说用来定义一个存储卷的,…...

【物联网设备端开发】ESP开发工具:QEMU的使用方法

概要 本文提供了一些运行QEMU的ESP特定说明。有关QEMU的一般使用问题,请参阅官方文档:https://www.qemu.org/documentation/. 编译 QEMU 准备工作 在此之前,请查看有关构建先决条件的QEMU文档。如果你在Linux主机上构建QEMU,你…...

c++中std::endl 和“\n“ 这两个换行符有什么区别

std::endl 和 "\n" 都用于在C中生成换行符,但它们之间有一些重要的区别 std::endl: 功能:输出一个换行符,并刷新输出流(即缓冲区)。作用:确保所有数据立即输出到目的地,例…...

http中get和post怎么选

5.4.2.怎么选择1.如果你是想从服务器上获取资源,建议使用GET请求,如果你这个请求是为了向服务器提交数据,建议使用POST请求。2.大部分的form表单提交,都是post方式,因为form表单中要填写大量的数据,这些数据…...

数据分析及应用:快手直播间人员在线分析

目录 0 需求描述 1、进入直播间的高峰期为?(以进入用户数衡量) 2、晚上 11 点,哪个直播间的进入人数最多? 3、20:00-23:00,娱乐类、搞笑类,进入人数最多直播间分别是? 4、娱乐类、搞笑类,人均在线时长(退出时间-进入时间)最长的直播间分别是? 5、同时在线人数…...

【Python】nn.nn.CircularPad1、2、3d函数和nn.ConstantPad1、2、3d函数详解和示例

前言 在深度学习中,尤其是在处理图像、音频或其他多维数据时,数据填充(Padding)是一个常见的操作。填充不仅可以保持数据的空间维度,还能在卷积操作中避免信息丢失。PyTorch提供了多种填充方式,其中nn.Cir…...

LearnOpenGL——混合、面剔除

LearnOpenGL——混合、面剔除 混合 Blending一、丢弃片段 Alpha Test二、混合 Alpha Blending渲染顺序 面剔除一、环绕顺序二、面剔除 混合 Blending OpenGL中,混合(Blending)通常是实现物体透明度(Transparency)的一种技术。透明的物体可以是完全透明的&#xff0…...

视频网站为何热衷于SCDN

视频网站为何热衷于SCDN?随着互联网技术的飞速发展,视频网站已成为人们日常生活中不可或缺的一部分。无论是观看高清电影、热门剧集,还是直播体育赛事、游戏竞技,视频网站都以其丰富的内容和便捷的访问方式吸引了无数用户。然而&a…...

synchronized 学习

学习源: https://www.bilibili.com/video/BV1aJ411V763?spm_id_from333.788.videopod.episodes&vd_source32e1c41a9370911ab06d12fbc36c4ebc 1.应用场景 不超卖,也要考虑性能问题(场景) 2.常见面试问题: sync出…...

Cesium1.95中高性能加载1500个点

一、基本方式&#xff1a; 图标使用.png比.svg性能要好 <template><div id"cesiumContainer"></div><div class"toolbar"><button id"resetButton">重新生成点</button><span id"countDisplay&qu…...

线程与协程

1. 线程与协程 1.1. “函数调用级别”的切换、上下文切换 1. 函数调用级别的切换 “函数调用级别的切换”是指&#xff1a;像函数调用/返回一样轻量地完成任务切换。 举例说明&#xff1a; 当你在程序中写一个函数调用&#xff1a; funcA() 然后 funcA 执行完后返回&…...

DAY 47

三、通道注意力 3.1 通道注意力的定义 # 新增&#xff1a;通道注意力模块&#xff08;SE模块&#xff09; class ChannelAttention(nn.Module):"""通道注意力模块(Squeeze-and-Excitation)"""def __init__(self, in_channels, reduction_rat…...

系统设计 --- MongoDB亿级数据查询优化策略

系统设计 --- MongoDB亿级数据查询分表策略 背景Solution --- 分表 背景 使用audit log实现Audi Trail功能 Audit Trail范围: 六个月数据量: 每秒5-7条audi log&#xff0c;共计7千万 – 1亿条数据需要实现全文检索按照时间倒序因为license问题&#xff0c;不能使用ELK只能使用…...

家政维修平台实战20:权限设计

目录 1 获取工人信息2 搭建工人入口3 权限判断总结 目前我们已经搭建好了基础的用户体系&#xff0c;主要是分成几个表&#xff0c;用户表我们是记录用户的基础信息&#xff0c;包括手机、昵称、头像。而工人和员工各有各的表。那么就有一个问题&#xff0c;不同的角色&#xf…...

学校时钟系统,标准考场时钟系统,AI亮相2025高考,赛思时钟系统为教育公平筑起“精准防线”

2025年#高考 将在近日拉开帷幕&#xff0c;#AI 监考一度冲上热搜。当AI深度融入高考&#xff0c;#时间同步 不再是辅助功能&#xff0c;而是决定AI监考系统成败的“生命线”。 AI亮相2025高考&#xff0c;40种异常行为0.5秒精准识别 2025年高考即将拉开帷幕&#xff0c;江西、…...

USB Over IP专用硬件的5个特点

USB over IP技术通过将USB协议数据封装在标准TCP/IP网络数据包中&#xff0c;从根本上改变了USB连接。这允许客户端通过局域网或广域网远程访问和控制物理连接到服务器的USB设备&#xff08;如专用硬件设备&#xff09;&#xff0c;从而消除了直接物理连接的需要。USB over IP的…...

【Java学习笔记】BigInteger 和 BigDecimal 类

BigInteger 和 BigDecimal 类 二者共有的常见方法 方法功能add加subtract减multiply乘divide除 注意点&#xff1a;传参类型必须是类对象 一、BigInteger 1. 作用&#xff1a;适合保存比较大的整型数 2. 使用说明 创建BigInteger对象 传入字符串 3. 代码示例 import j…...

安宝特案例丨Vuzix AR智能眼镜集成专业软件,助力卢森堡医院药房转型,赢得辉瑞创新奖

在Vuzix M400 AR智能眼镜的助力下&#xff0c;卢森堡罗伯特舒曼医院&#xff08;the Robert Schuman Hospitals, HRS&#xff09;凭借在无菌制剂生产流程中引入增强现实技术&#xff08;AR&#xff09;创新项目&#xff0c;荣获了2024年6月7日由卢森堡医院药剂师协会&#xff0…...