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…...

开发提效新思路:用快马平台打造你的个性化qoderwork代码片段工厂

今天想和大家分享一个提升前端开发效率的实用思路 - 用InsCode(快马)平台打造自己的代码片段工厂。作为一个经常需要重复编写UI组件的前端开发者,我发现这个方案能显著减少重复劳动。 痛点分析 每次新项目都要从零开始写导航栏、页脚这些基础组件特别浪费时间。虽然…...

藏在化橘红里的数字农业隐喻:拼多多将“地方风物”做成了新爆款

图片 2026年两会期间,化橘红因为一个点赞意外“出圈”。 不少人将化橘红的“走红”归结为偶然的流量红利,只要深入化橘红的产业肌理,就会发现并非是一场单纯的“流量造神”,而是电商供应链、新农人回流、产业化升级交织下的必然。…...

GIS底图大全

数据名称:GIS底图大全数据分类:文档资料网盘链接:通过百度网盘分享的文件:GIS底图.zi…链接:https://pan.baidu.com/s/1-Ko3uEp5IN7YJOSHd8cqaA 提取码:fhwb复制这段内容打开「百度网盘APP 即可获取」数据来源:来源于网…...

Notepad-- 终极中文编辑器:从零开始打造你的专属高效文本工作流

Notepad-- 终极中文编辑器:从零开始打造你的专属高效文本工作流 【免费下载链接】notepad-- 一个支持windows/linux/mac的文本编辑器,目标是做中国人自己的编辑器,来自中国。 项目地址: https://gitcode.com/GitHub_Trending/no/notepad-- …...

MogFace-large模型版本管理实践:使用Docker镜像实现环境一致性

MogFace-large模型版本管理实践:使用Docker镜像实现环境一致性 你是不是也遇到过这样的场景?在本地电脑上跑得好好的MogFace-large人脸检测模型,一放到同事的机器或者服务器上,就各种报错:CUDA版本不对、Python包冲突…...

awesome-rust数据备份恢复:灾难恢复与业务连续性

awesome-rust数据备份恢复:灾难恢复与业务连续性 数据丢失可能导致项目停滞、业务中断甚至经济损失。在开源项目管理中,建立完善的数据备份与灾难恢复机制是保障业务连续性的关键。本文将介绍如何利用awesome-rust中精选的Rust工具构建可靠的备份恢复系…...

用快马AI快速原型:30分钟搭建养龙虾智能养殖管理系统

用快马AI快速原型:30分钟搭建养龙虾智能养殖管理系统 养龙虾作为现代农业养殖项目,管理流程的数字化能显著提升养殖效率。最近我用InsCode(快马)平台快速搭建了一个智能养殖管理系统原型,整个过程比想象中简单很多。下面分享我的实现思路和关…...

JL杰理AC696N系列开发GPIO使用指南:模式、配置与特殊IO

引言GPIO是嵌入式开发最基础也最容易出问题的部分。拉高拉低看起来简单,但驱动能力不够、上下拉没配对、特殊引脚没处理,经常导致外设工作不正常或者功耗异常。JL杰理AC696N的GPIO功能挺全的,有普通、强、超强三种驱动能力,还支持…...

C++的std--ranges视图转换

C的std::ranges视图转换:现代序列处理的利器 在C20中,std::ranges库的引入彻底改变了序列处理的方式,其中视图转换(View Adaptors)作为核心功能之一,为开发者提供了高效、声明式的数据操作工具。通过视图转…...

Pixel Mind Decoder 版本管理与协作:Git工作流在AI项目中的应用

Pixel Mind Decoder 版本管理与协作:Git工作流在AI项目中的应用 1. 为什么AI项目需要版本管理 在开发Pixel Mind Decoder这样的情绪分析系统时,我们会频繁修改代码、调整Prompt模板、更新模型参数。如果没有版本管理,很容易陷入混乱&#x…...