Ieguvumi:
- Atbilstoši spēcīgi lauki un tipisks Kloda, GPT un Dvīņu ģimeņu lietotājs
- Spēja nolasīt katra nodrošinātāja līmeņa (līmeņa) loģiku un modeļa nosaukumus
- Pierodiet salīdzinājumus balstīt uz saviem testēšanas datiem, nevis mārketinga apgalvojumiem
Mēs kartējām tirgu un uzzinājām slēgtā/atvērtā svara atšķirību. Tagad mēs iepazīsim trīs redzamākos tirgus dalībniekus, proti, lielos ASV pakalpojumu sniedzējus: Anthropic (Claude), OpenAI (GPT) un Google (Gemini). Šīs trīs iezīmes mūsdienās ir iekļautas lielākajā daļā uzņēmumu AI lēmumu. Mūsu mērķis nav pasludināt "uzvarētāju"; Mērķis ir objektīvi saprast, kur katrs no tiem spīd, tā nosaukšanas loģiku un tipisko lietotāju. Kad vienība būs pabeigta, jūs varēsiet runāt par šīm trim ģimenēm, tās nemulsinot, un jūs sapratīsit, ka salīdzinājums ir jābalsta uz savu testu, nevis uz reklāmu.
Kopējā loģika: līmeņu sistēma
Šie trīs pakalpojumu sniedzēji izmanto līdzīgu loģiku: tie piedāvā modeļus vienā saimē, kas ir sakārtoti atkarībā no ātruma/izmaksu/jaudas līdzsvara. Parasti ir trīs līmeņi:
- Gaismas līmenis: ātrākais un lētākais. Vienkāršiem, liela apjoma uzdevumiem (klasificēšana, instruktāža, marķēšana).
- Līdzsvarots posms: Vidēja diapazona jauda un izmaksas. "Noklusējuma" izvēle lielākajai daļai ikdienas uzdevumu.
- Spēcīgs līmenis: visspējīgākais, visdārgākais, lēnākais. Sarežģītai spriešanai, ilgstošai analīzei, sarežģītam kodam.
Kad sapratīsit šo līmeņa loģiku, jūs nejutīsities apmaldījies neatkarīgi no tā, kuru pakalpojumu sniedzēju skatāties. "Kurš līmenis atbilst šim modelim šajā ģimenē?" Pietiek pajautāt.
Padoms. Kad dzirdat par jaunu modeli, vispirms jautājiet "kuras ģimenes līmenis?" jautāt. Neļaujiet vārdu daudzumam jūs nobiedēt; Katrs pakalpojumu sniedzējs faktiski piedāvā tos pašus trīs līmeņus ar dažādiem nosaukumiem.
Antropiskais — Kloda ģimene
Anthropic's Claude ģimene piedāvā trīs līmeņus ar nosaukumu Opus (spēcīgs), Sonnet (līdzsvarots) un Haiku (viegls). Ir iekļauti arī versiju numuri; Piemēram, šīs platformas izmantotais modelis ir claude-opus-4-8, tas ir, Opus skatuves 4.8 versija.
Tas ir izcils: ilgstoša konteksta apstrāde (spēja nolasīt simts lappušu dokumentus kopumā), koda rakstīšana un lasīšana, kā arī droša, paredzama rīcība uzņēmuma lietošanā. Klods ir pazīstams ar to, ka turas tuvu norādījumiem un rīkojas mērķtiecīgi sensitīvos jautājumos. Tādēļ to bieži dod priekšroka regulētajās nozarēs, piemēram, tiesību, finanšu un veselības jomā.
Tipisks lietotājs: Juridiskās komandas, kas analizē garus dokumentus, programmatūras komandas, kas pārskata kodu, korporatīvo klientu pakalpojumi, kuriem nepieciešama droša izvade.
Pašreizējie antropiskie modeļi un aptuvenās cenas (par miljonu marķieru, ievade/izvade):
modelis
Skatuves
Konteksts
Ievade $/1M
Izlaide $/1M
Klods Opuss 4.8
stiprs
1 miljons žetonu
~5
~25
Kloda sonets 5
līdzsvarots
1 miljons žetonu
~3
~15
Klods Haiku 4.5
viegls
200 000 žetonu
~1
~5
Uzmanību: šīs cenas ir aptuvenas par periodu, kurā šis modulis tika sagatavots, un bieži mainās. Pirms lēmuma pieņemšanas noteikti apstipriniet pakalpojumu sniedzēja pašreizējo cenu lapu. Mēs detalizēti apspriedīsim cenu loģiku 6. vienībā.
OpenAI — GPT ģimene
OpenAI GPT saime ir tirgū vispazīstamākais zīmols, un tam ir lielākā trešās puses ekosistēma; tas ir, daudzi programmatūras rīki, spraudņi un integrācijas vispirms tiek izlaisti GPT. GPT saime ir arī daudzpakāpju: ir ātri un lēti modeļi (piemēram, vieglas iespējas, piemēram, GPT-4o mini), līdzsvaroti universāli modeļi (GPT-4o) un īpaši domājoši modeļi, piemēram, "o sērija", kas ir īpaši vērsta uz argumentāciju.
Jomas, kurās tas izceļas: daudzpusība un izplatība. Plašs teksta, koda, attēlu un audio iespēju klāsts; nobriedusi transportlīdzekļu ekosistēma; un plašs sabiedrības atbalsts. "Vai darbu var paveikt ar AI?" GPT parasti ir gatavs sākumpunkts.
Tipisks lietotājs: jaunuzņēmumi, kas veic ātru prototipu izveidi, produktu komandas, kas vēlas plašu integrāciju, MVU, kas vēlas veikt plašu uzdevumu klāstu ar vienu pakalpojumu sniedzēju.
Google — Dvīņu ģimene
Google Gemini ģimene spēlē ar divām jaudīgām kartēm: multimodalitāti (iespēja kopā apstrādāt tekstu, attēlus, audio un video) un Google Workspace integrāciju (darbs ir iegults tādos rīkos kā Gmail, Dokumenti, Izklājlapas). Arī Gemini ir daudzpakāpju: ir ātrie "Flash" modeļi un jaudīgāki "Pro" modeļi.
Kur tas ir izcils: vizuālā un video izpratne, plašs konteksts un bezrūpīga integrācija organizācijām, kuras jau plaši izmanto Google rīkus. Ja organizācija visus biroja darbus veic pakalpojumā Google Workspace, Gemini tā ir dabisks paplašinājums.
Tipisks lietotājs: Google ekosistēmā reģistrēti uzņēmumi, attēlu/video satura komandas, tie, kas vēlas vienlaikus apstrādāt ļoti lielas datu kopas.
Trīs ģimenes blakus
Izmērs
Antropisks (Klods)
OpenAI (GPT)
Google (Dvīņi)
spēcīgākais aspekts
Garš konteksts, kods, droša uzvedība
Daudzpusība, plaša ekosistēma
Multimodalitāte, darbvieta
Posmi
Opuss/Sonets/Haiku
Spēcīgs / līdzsvarots / viegls + argumentācija
Pro/Flash
Tipisks lietotājs
Regulējamās nozares
Uzņēmumu un produktu komandas
Uz Google orientētas iestādes
Svara veids
Slēgts
Slēgts
Slēgts
Apskatot šo tabulu, nejautājiet "kurš uzvarēs"; Jautājiet "Kurai rindai atbilst mans darbs?" Ja jūs lasāt 200 lappušu līgumu, jums ir izšķiroša garā konteksta rinda, un, ja rēķini tiek lasīti no vizuālā attēla, multimodalitātes rinda jums ir izšķiroša.
Vāja uzvedne / spēcīga uzvedne: lūdzot ģimenes izvēli
Vāja uzvedne:
Kas ir labāks: Klods, GPT vai Dvīņi?
Spēcīga uzvedne:
Jūsu loma: neitrāls AI konsultants. Mans darbs: Es vēlos izgatavot melnrakstus, lai atbildētu uz klientu e-pastiem e-komercijas uzņēmumā + izvilkt summu/datumu no ienākošo rēķinu attēliem. Ir divi dažādi uzdevumi: (1) teksta ģenerēšana, (2) datu iegūšana no attēla. Uzdevums: salīdziniet Kloda, GPT un Dvīņu ģimenes abiem uzdevumiem. Pierakstiet, kura ģimene izceļas, pamatojoties uz uzdevumu, kurš līmenis man būtu jāizmanto un kāpēc. Nenorādi precīzu cenu, norādiet diapazonu. Ja rodas šaubas, sakiet "pārbaudīt".
Tā kā otrajā uzvednē darbs tiek sadalīts divos skaidri redzamos uzdevumos, modelis var ieteikt pareizo ģimeni katram uzdevumam atsevišķi. Tas ir arī pamats "modeļa portfeļa" idejai, par kuru mēs uzzināsim vēlāk.
Kopējamas veidnes
1. līmeņa atbilstība:
Es definēju šādu uzdevumu: [UZDEVUMS]. Ņemot vērā grūtības pakāpi un apjomu, kuru Kloda, GPT un Dvīņu ģimeņu līmeni (viegls/līdzsvarots/spēcīgs) jūs ieteiktu? Katrai ģimenei uzrakstiet vienu pamatojuma rindiņu.
2. Ekosistēmu saderība:
Pašlaik lietojamie rīki: [rīku saraksts, piem. Google Workspace/Microsoft 365]. Kura mākslīgā intelekta saime vislabāk iederēsies šajā rīku komplektā un kāpēc? Novērtējiet integrācijas vieglumu, mācīšanās līkni un iespējamo bloķēšanas (atkarības) risku.
3. Stipro pušu apstiprināšana:
Es vēlos pārbaudīt apgalvojumu "[MODEĻA NOSAUKUMS] ir labākais šajā uzdevumā" [UZDEVUMS]. Kurus 3 testu paraugus man vajadzētu veikt ar savu efektivitāti, lai pārbaudītu šo apgalvojumu? Vienā teikumā aprakstiet katra testa panākumu kritērijus.
4. Vārda izšķirtspēja:
Parsējiet šādus modeļu nosaukumus ģimenē, stadijā un versijā un izveidojiet tabulu: [MODEĻU NOSAUKUMS]. Katram no tiem atzīmējiet tipisku lietojumu ar vienu vārdu.
Biežas kļūdas
- Lēmums tiek pieņemts, pamatojoties uz reklāmu: paziņojums "Šis modelis šajā testā bija pirmais", iespējams, neko nerunā par jūsu misiju. Pārbaudiet to ar saviem datiem.
- Ģimenes izvēle, neizvēloties līmeni: Nepietiek pateikt "Mēs izmantosim GPT"; Kurš līmenis tas ir, radikāli maina izmaksas un kvalitāti.
- Ekosistēmas bloķēšanas ignorēšana: dziļa uzticēšanās ģimenei atvieglo integrāciju, taču apgrūtina pāreju uz citu pakalpojumu sniedzēju nākotnē.
- Trūkst tēmas: Šis tirgus mainās ātri; Salīdzinājums pirms sešiem mēnešiem šodien var būt nederīgs. Pamatojiet savu lēmumu ar jaunāko informāciju.
- Vienai ģimenei piespiest darīt visu: kamēr tekstā spīd viena ģimene, vizuālā var būt priekšā cita ģimene. Padomājiet par uzdevumu atsevišķi.
Rezumējot
- Anthropic, OpenAI un Google piedāvā vienu un to pašu līmeņa loģiku (viegls/līdzsvarots/spēcīgs) ar dažādiem nosaukumiem.
- Klods garā kontekstā, kods un droša korporatīvā uzvedība; GPT ir liela daudzpusība un plaša ekosistēma; Gemini izceļas ar multimodalitāti un Workspace integrāciju.
- “Labākais” atšķiras atkarībā no darba; balstīt salīdzinājumu uz saviem testa datiem, nevis uz reklāmu.
- Modeļu nosaukumu parsēšana ģimenē + līmenī + versijā palīdzēs jums orientēties pārpildītajā tirgū.
Lietojumprogrammas uzdevums
Savā darbā nosakiet divus dažādus uzdevumus (viens ar lielu tekstu, otrs ar vizuāliem vai gariem dokumentiem). Izmantojot šajā vienībā 1. veidni (līmeņu saskaņošana), AI modelim katram uzdevumam ir jāprasa atbilstošs trīs ģimeņu rangs. Pēc tam, izmantojot 3. veidni (stiprību pārbaude), izveidojiet trīs konkrētus testus, lai pārbaudītu piedāvāto modeli ar saviem datiem. Mēs izmantosim šos testus novērtējuma pētījumā 10. nodaļā.
kontrolsaraksts
- [ ] Es varu atpazīt līmeņa (viegla/līdzsvarota/spēcīga) loģiku visās trīs ģimenēs.
- [ ] Klod, es varu saskaņot apgabalus, kur GPT un Dvīņi ir pamanāmi.
- [ ] Es varu izvēlēties pareizo ģimeni un rangu uzdevumam ar pamatojumu.
- [ ] Es zinu veidus, kā pārbaudīt modeļa apgalvojumu ar saviem datiem.
- [ ] Modeļu nosaukumus varu parsēt kā ģimene + stadija + versija.