ਯੂਐਸ ਜਾਇੰਟਸ ਇਨ-ਡੂੰਘਾਈ: ਐਂਥਰੋਪਿਕ, ਓਪਨਏਆਈ, ਗੂਗਲ

ਲਾਭ:

• ਕਲਾਉਡ, ਜੀਪੀਟੀ ਅਤੇ ਜੇਮਿਨੀ ਪਰਿਵਾਰਾਂ ਦੇ ਮਜ਼ਬੂਤ ਖੇਤਰਾਂ ਅਤੇ ਆਮ ਉਪਭੋਗਤਾਵਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ
• ਹਰੇਕ ਪ੍ਰਦਾਤਾ ਦੇ ਪੱਧਰ (ਟੀਅਰ) ਤਰਕ ਅਤੇ ਮਾਡਲ ਨਾਮਕਰਨ ਨੂੰ ਪੜ੍ਹਨ ਦੀ ਸਮਰੱਥਾ
• ਆਪਣੇ ਖੁਦ ਦੇ ਟੈਸਟਿੰਗ ਡੇਟਾ 'ਤੇ ਤੁਲਨਾ ਕਰਨ ਦੀ ਆਦਤ ਪਾਓ, ਨਾ ਕਿ ਮਾਰਕੀਟਿੰਗ ਦਾਅਵਿਆਂ 'ਤੇ

ਅਸੀਂ ਬਜ਼ਾਰ ਨੂੰ ਮੈਪ ਕੀਤਾ ਅਤੇ ਬੰਦ/ਖੁੱਲ੍ਹੇ ਵਜ਼ਨ ਦੇ ਅੰਤਰ ਨੂੰ ਸਿੱਖਿਆ। ਹੁਣ ਅਸੀਂ ਮਾਰਕੀਟ ਵਿੱਚ ਤਿੰਨ ਸਭ ਤੋਂ ਵੱਧ ਦਿਖਾਈ ਦੇਣ ਵਾਲੇ ਖਿਡਾਰੀਆਂ ਨੂੰ ਜਾਣਾਂਗੇ, ਅਰਥਾਤ ਵੱਡੇ ਯੂਐਸ-ਆਧਾਰਿਤ ਪ੍ਰਦਾਤਾ: ਐਂਥਰੋਪਿਕ (ਕਲਾਡ), ਓਪਨਏਆਈ (ਜੀਪੀਟੀ) ਅਤੇ ਗੂਗਲ (ਜੇਮਿਨੀ)। ਅੱਜ ਦੇ ਜ਼ਿਆਦਾਤਰ ਐਂਟਰਪ੍ਰਾਈਜ਼ AI ਫੈਸਲਿਆਂ ਵਿੱਚ ਇਹ ਤਿੰਨ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਹਨ। ਸਾਡਾ ਟੀਚਾ "ਜੇਤੂ" ਘੋਸ਼ਿਤ ਕਰਨਾ ਨਹੀਂ ਹੈ; ਉਦੇਸ਼ ਨਿਰਪੱਖ ਤੌਰ 'ਤੇ ਸਮਝਣਾ ਹੈ ਕਿ ਹਰ ਇੱਕ ਕਿੱਥੇ ਚਮਕਦਾ ਹੈ, ਇਸਦਾ ਨਾਮਕਰਨ ਤਰਕ ਅਤੇ ਇਸਦਾ ਆਮ ਉਪਭੋਗਤਾ। ਜਦੋਂ ਇਕਾਈ ਖਤਮ ਹੋ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਇਹਨਾਂ ਤਿੰਨ ਪਰਿਵਾਰਾਂ ਬਾਰੇ ਉਹਨਾਂ ਨੂੰ ਉਲਝਣ ਤੋਂ ਬਿਨਾਂ ਗੱਲ ਕਰਨ ਦੇ ਯੋਗ ਹੋਵੋਗੇ ਅਤੇ ਤੁਸੀਂ ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ ਇਹ ਸਮਝੋਗੇ ਕਿ ਤੁਹਾਨੂੰ ਇਸ਼ਤਿਹਾਰਬਾਜ਼ੀ 'ਤੇ ਨਹੀਂ, ਆਪਣੇ ਖੁਦ ਦੇ ਟੈਸਟ 'ਤੇ ਤੁਲਨਾ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ।

ਆਮ ਤਰਕ: ਟੀਅਰ ਸਿਸਟਮ

ਇਹ ਤਿੰਨ ਪ੍ਰਦਾਤਾ ਸਾਰੇ ਇੱਕੋ ਜਿਹੇ ਤਰਕ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ: ਉਹ ਇੱਕੋ ਪਰਿਵਾਰ ਦੇ ਅੰਦਰ ਮਾਡਲ ਪੇਸ਼ ਕਰਦੇ ਹਨ, ਗਤੀ/ਲਾਗਤ/ਪਾਵਰ ਸੰਤੁਲਨ ਦੇ ਅਨੁਸਾਰ ਟਾਇਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਇੱਥੇ ਆਮ ਤੌਰ 'ਤੇ ਤਿੰਨ ਪੱਧਰ ਹੁੰਦੇ ਹਨ:

• ਹਲਕਾ ਪੱਧਰ: ਸਭ ਤੋਂ ਤੇਜ਼ ਅਤੇ ਸਸਤਾ। ਸਧਾਰਨ, ਉੱਚ-ਆਵਾਜ਼ ਵਾਲੇ ਕੰਮਾਂ ਲਈ (ਵਰਗੀਕਰਨ, ਸੰਖੇਪ ਜਾਣਕਾਰੀ, ਲੇਬਲਿੰਗ)।
• ਸੰਤੁਲਿਤ ਪੜਾਅ: ਮੱਧ-ਰੇਂਜ ਦੀ ਸ਼ਕਤੀ ਅਤੇ ਲਾਗਤ। ਜ਼ਿਆਦਾਤਰ ਰੋਜ਼ਾਨਾ ਕੰਮਾਂ ਲਈ "ਡਿਫੌਲਟ" ਚੋਣ।
• ਮਜ਼ਬੂਤ ​​ਪੱਧਰ: ਸਭ ਤੋਂ ਸਮਰੱਥ, ਸਭ ਤੋਂ ਮਹਿੰਗਾ, ਸਭ ਤੋਂ ਹੌਲੀ। ਗੁੰਝਲਦਾਰ ਤਰਕ, ਲੰਬੇ ਵਿਸ਼ਲੇਸ਼ਣ, ਮੁਸ਼ਕਲ ਕੋਡ ਲਈ.

ਇੱਕ ਵਾਰ ਜਦੋਂ ਤੁਸੀਂ ਇਸ ਟੀਅਰ ਤਰਕ ਨੂੰ ਸਮਝ ਲੈਂਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਗੁਆਚਿਆ ਮਹਿਸੂਸ ਨਹੀਂ ਕਰੋਗੇ ਭਾਵੇਂ ਤੁਸੀਂ ਕਿਸੇ ਵੀ ਪ੍ਰਦਾਤਾ ਨੂੰ ਦੇਖਦੇ ਹੋ। "ਇਸ ਪਰਿਵਾਰ ਵਿੱਚ ਕਿਹੜਾ ਪੱਧਰ ਇਸ ਮਾਡਲ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ?" ਪੁੱਛਣਾ ਹੀ ਕਾਫੀ ਹੈ।

ਨੁਕਤਾ: ਜਦੋਂ ਤੁਸੀਂ ਕਿਸੇ ਨਵੇਂ ਮਾਡਲ ਬਾਰੇ ਸੁਣਦੇ ਹੋ, ਤਾਂ ਪਹਿਲਾਂ ਪੁੱਛੋ "ਕਿਹੜੇ ਪਰਿਵਾਰ ਦਾ ਕਿਹੜਾ ਪੱਧਰ?" ਪੁੱਛੋ ਨਾਵਾਂ ਦੀ ਭੀੜ ਤੁਹਾਨੂੰ ਡਰਾਉਣ ਨਾ ਦਿਓ; ਹਰੇਕ ਪ੍ਰਦਾਤਾ ਅਸਲ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਨਾਵਾਂ ਹੇਠ ਇੱਕੋ ਤਿੰਨ ਪੱਧਰਾਂ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ।

ਐਂਥਰੋਪਿਕ - ਕਲਾਉਡ ਪਰਿਵਾਰ

ਐਂਥ੍ਰੋਪਿਕ ਦਾ ਕਲੌਡ ਪਰਿਵਾਰ ਤਿੰਨ ਪੱਧਰਾਂ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ ਜਿਸਨੂੰ ਓਪਸ (ਮਜ਼ਬੂਤ), ਸੋਨੇਟ (ਸੰਤੁਲਿਤ), ਅਤੇ ਹਾਇਕੂ (ਲਾਈਟ) ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਸੰਸਕਰਣ ਨੰਬਰ ਵੀ ਸ਼ਾਮਲ ਹਨ; ਉਦਾਹਰਨ ਲਈ, ਇਸ ਪਲੇਟਫਾਰਮ ਦੁਆਰਾ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਮਾਡਲ ਕਲਾਉਡ-ਓਪਸ-4-8 ਹੈ, ਯਾਨੀ ਓਪਸ ਪੜਾਅ ਦਾ 4.8 ਸੰਸਕਰਣ।

ਇਹ ਇਸ ਵਿੱਚ ਉੱਤਮ ਹੈ: ਲੰਮੀ ਸੰਦਰਭ ਪ੍ਰੋਸੈਸਿੰਗ (ਸੌ ਪੰਨਿਆਂ ਦੇ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਪੜ੍ਹਨ ਦੀ ਯੋਗਤਾ), ਕੋਡ ਲਿਖਣਾ ਅਤੇ ਪੜ੍ਹਨਾ, ਅਤੇ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਵਰਤੋਂ ਵਿੱਚ ਸੁਰੱਖਿਅਤ, ਅਨੁਮਾਨ ਲਗਾਉਣ ਯੋਗ ਵਿਵਹਾਰ। ਕਲਾਉਡ ਨੂੰ ਨਿਰਦੇਸ਼ਾਂ ਦੇ ਨੇੜੇ ਰਹਿਣ ਅਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਮਾਮਲਿਆਂ 'ਤੇ ਤਿਆਰ ਰਹਿਣ ਲਈ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ। ਇਸ ਲਈ, ਇਸਨੂੰ ਨਿਯਮਿਤ ਖੇਤਰਾਂ ਜਿਵੇਂ ਕਿ ਕਾਨੂੰਨ, ਵਿੱਤ ਅਤੇ ਸਿਹਤ ਵਿੱਚ ਅਕਸਰ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ।

ਆਮ ਉਪਭੋਗਤਾ: ਲੰਬੇ ਦਸਤਾਵੇਜ਼ਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਵਾਲੀਆਂ ਕਾਨੂੰਨੀ ਟੀਮਾਂ, ਕੋਡ ਦੀ ਸਮੀਖਿਆ ਕਰਨ ਵਾਲੀਆਂ ਸੌਫਟਵੇਅਰ ਟੀਮਾਂ, ਕਾਰਪੋਰੇਟ ਗਾਹਕ ਸੇਵਾਵਾਂ ਜਿਨ੍ਹਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਆਉਟਪੁੱਟ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਮੌਜੂਦਾ ਐਂਥਰੋਪਿਕ ਮਾਡਲ ਅਤੇ ਅਨੁਮਾਨਿਤ ਕੀਮਤਾਂ (ਪ੍ਰਤੀ ਮਿਲੀਅਨ ਟੋਕਨ, ਇਨਪੁਟ/ਆਊਟਪੁੱਟ):

ਮਾਡਲ

ਸਟੇਜ

ਸੰਦਰਭ

ਇਨਪੁਟ $/1M

ਆਉਟਪੁੱਟ $/1M

ਕਲਾਉਡ ਓਪਸ 4.8

ਮਜ਼ਬੂਤ

1M ਟੋਕਨ

~5

~25

ਕਲਾਉਡ ਸੋਨੈੱਟ 5

ਸੰਤੁਲਿਤ

1M ਟੋਕਨ

~3

~15

ਕਲਾਉਡ ਹਾਇਕੂ 4.5

ਹਲਕਾ

200K ਟੋਕਨ

~1

~5

ਧਿਆਨ ਦਿਓ: ਇਹ ਕੀਮਤਾਂ ਉਸ ਸਮੇਂ ਲਈ ਅਨੁਮਾਨਿਤ ਹਨ ਜਿਸ ਵਿੱਚ ਇਹ ਮੋਡੀਊਲ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਅਕਸਰ ਬਦਲਦੇ ਰਹਿੰਦੇ ਹਨ। ਕੋਈ ਫੈਸਲਾ ਲੈਣ ਤੋਂ ਪਹਿਲਾਂ ਪ੍ਰਦਾਤਾ ਦੇ ਮੌਜੂਦਾ ਕੀਮਤ ਪੰਨੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ ਯਕੀਨੀ ਬਣਾਓ। ਅਸੀਂ 6ਵੀਂ ਯੂਨਿਟ ਵਿੱਚ ਕੀਮਤ ਦੇ ਤਰਕ ਬਾਰੇ ਵਿਸਥਾਰ ਵਿੱਚ ਚਰਚਾ ਕਰਾਂਗੇ।

OpenAI - GPT ਪਰਿਵਾਰ

OpenAI ਦਾ GPT ਪਰਿਵਾਰ ਮਾਰਕੀਟ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਬ੍ਰਾਂਡ ਹੈ ਅਤੇ ਇਸਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਥਰਡ-ਪਾਰਟੀ ਈਕੋਸਿਸਟਮ ਹੈ; ਯਾਨੀ, ਬਹੁਤ ਸਾਰੇ ਸੌਫਟਵੇਅਰ ਟੂਲ, ਪਲੱਗ-ਇਨ ਅਤੇ ਏਕੀਕਰਣ ਪਹਿਲਾਂ GPT ਲਈ ਜਾਰੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। GPT ਪਰਿਵਾਰ ਵੀ ਟਾਇਰਡ ਹੈ: ਇੱਥੇ ਤੇਜ਼ ਅਤੇ ਸਸਤੇ ਮਾਡਲ ਹਨ (ਉਦਾਹਰਣ ਲਈ GPT-4o ਮਿੰਨੀ ਵਰਗੇ ਹਲਕੇ ਭਾਰ ਦੇ ਵਿਕਲਪ), ਸੰਤੁਲਿਤ ਆਲ-ਰਾਉਂਡ ਮਾਡਲ (GPT-4o), ਅਤੇ ਸੋਚਣ ਵਾਲੇ ਭਾਰੀ ਮਾਡਲ ਜਿਵੇਂ ਕਿ "o-ਸੀਰੀਜ਼" ਖਾਸ ਤੌਰ 'ਤੇ ਤਰਕ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਹੈ।

ਉਹ ਖੇਤਰ ਜਿੱਥੇ ਇਹ ਵੱਖਰਾ ਹੈ: ਬਹੁਪੱਖੀਤਾ ਅਤੇ ਪ੍ਰਚਲਨ। ਟੈਕਸਟ, ਕੋਡ, ਚਿੱਤਰ ਅਤੇ ਆਡੀਓ ਲਈ ਸਮਰੱਥਾਵਾਂ ਦੀ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ; ਪਰਿਪੱਕ ਵਾਹਨ ਈਕੋਸਿਸਟਮ; ਅਤੇ ਵਿਆਪਕ ਭਾਈਚਾਰਕ ਸਹਾਇਤਾ। "ਕੀ ਏਆਈ ਨਾਲ ਕੋਈ ਕੰਮ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ?" GPT ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਤਿਆਰ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਹੁੰਦਾ ਹੈ।

ਆਮ ਉਪਭੋਗਤਾ: ਸਟਾਰਟਅੱਪ ਜੋ ਤੇਜ਼ ਪ੍ਰੋਟੋਟਾਈਪਿੰਗ ਕਰਦੇ ਹਨ, ਉਤਪਾਦ ਟੀਮਾਂ ਜੋ ਵਿਆਪਕ ਏਕੀਕਰਣ ਚਾਹੁੰਦੇ ਹਨ, SMB ਜੋ ਇੱਕ ਸਿੰਗਲ ਪ੍ਰਦਾਤਾ ਦੇ ਨਾਲ ਕਾਰਜਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਨੂੰ ਸੰਭਾਲਣਾ ਚਾਹੁੰਦੇ ਹਨ।

ਗੂਗਲ — ਜੇਮਿਨੀ ਪਰਿਵਾਰ

Google ਦਾ Gemini ਪਰਿਵਾਰ ਦੋ ਸ਼ਕਤੀਸ਼ਾਲੀ ਕਾਰਡਾਂ ਨਾਲ ਖੇਡਦਾ ਹੈ: ਮਲਟੀਮੋਡੈਲਿਟੀ (ਲਿਖਤ, ਚਿੱਤਰ, ਆਡੀਓ ਅਤੇ ਵੀਡੀਓ ਨੂੰ ਇਕੱਠੇ ਸੰਭਾਲਣ ਦੀ ਸਮਰੱਥਾ) ਅਤੇ Google ਵਰਕਸਪੇਸ ਏਕੀਕਰਣ (ਜੀਮੇਲ, ਡੌਕਸ, ਸ਼ੀਟਾਂ ਵਰਗੇ ਟੂਲਾਂ ਵਿੱਚ ਏਮਬੇਡ ਕੀਤਾ ਕੰਮ)। ਜੇਮਿਨੀ ਵੀ ਟਾਇਰਡ ਹੈ: ਇੱਥੇ ਤੇਜ਼ "ਫਲੈਸ਼" ਮਾਡਲ ਅਤੇ ਵਧੇਰੇ ਸ਼ਕਤੀਸ਼ਾਲੀ "ਪ੍ਰੋ" ਮਾਡਲ ਹਨ।

ਜਿੱਥੇ ਇਹ ਉੱਤਮ ਹੈ: ਵਿਜ਼ੂਅਲ ਅਤੇ ਵੀਡੀਓ ਸਮਝ, ਵਿਸ਼ਾਲ ਸੰਦਰਭ, ਅਤੇ ਸੰਗਠਨਾਂ ਲਈ ਰਗੜ-ਰਹਿਤ ਏਕੀਕਰਣ ਜੋ ਪਹਿਲਾਂ ਹੀ ਗੂਗਲ ਟੂਲਸ ਦੀ ਭਾਰੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਜੇਕਰ ਕੋਈ ਸੰਸਥਾ Google Workspace 'ਤੇ ਸਾਰੇ ਦਫ਼ਤਰੀ ਕੰਮ ਚਲਾਉਂਦੀ ਹੈ, ਤਾਂ ਇਹ Gemini ਨੂੰ ਕੁਦਰਤੀ ਐਕਸਟੈਂਸ਼ਨ ਵਜੋਂ ਅਨੁਭਵ ਕਰਦੀ ਹੈ।

ਆਮ ਉਪਭੋਗਤਾ: ਗੂਗਲ ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਸਥਾਪਿਤ ਕੰਪਨੀਆਂ, ਚਿੱਤਰ/ਵੀਡੀਓ-ਭਾਰੀ ਸਮੱਗਰੀ ਟੀਮਾਂ, ਉਹ ਜੋ ਇੱਕ ਵਾਰ ਵਿੱਚ ਬਹੁਤ ਵੱਡੇ ਡੇਟਾ ਸੈੱਟਾਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ।

ਤਿੰਨ ਪਰਿਵਾਰ ਨਾਲ-ਨਾਲ

ਆਕਾਰ

ਮਾਨਵ (ਕਲਾਡ)

OpenAI (GPT)

ਗੂਗਲ (ਜੇਮਿਨੀ)

ਮਜ਼ਬੂਤ ਪਹਿਲੂ

ਲੰਮਾ ਸੰਦਰਭ, ਕੋਡ, ਸੁਰੱਖਿਅਤ ਵਿਵਹਾਰ

ਬਹੁਪੱਖੀਤਾ, ਵਿਆਪਕ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀ

ਬਹੁਰੂਪਤਾ, ਕਾਰਜ-ਸਥਾਨ

ਪੜਾਅ

ਓਪਸ/ਸੋਨੇਟ/ਹਾਇਕੂ

ਮਜ਼ਬੂਤ / ਸੰਤੁਲਿਤ / ਹਲਕਾ + ਤਰਕ

ਪ੍ਰੋ/ਫਲੈਸ਼

ਆਮ ਉਪਭੋਗਤਾ

ਨਿਯੰਤ੍ਰਿਤ ਸੈਕਟਰ

ਐਂਟਰਪ੍ਰਾਈਜ਼ ਅਤੇ ਉਤਪਾਦ ਟੀਮਾਂ

Google ਕੇਂਦਰਿਤ ਸੰਸਥਾਵਾਂ

ਭਾਰ ਦੀ ਕਿਸਮ

ਬੰਦ

ਬੰਦ

ਬੰਦ

ਜਦੋਂ ਇਸ ਸਾਰਣੀ ਨੂੰ ਦੇਖਦੇ ਹੋ, ਤਾਂ ਇਹ ਨਾ ਪੁੱਛੋ ਕਿ "ਕਿਹੜਾ ਜਿੱਤੇਗਾ"; ਪੁੱਛੋ "ਮੇਰੀ ਨੌਕਰੀ ਕਿਸ ਕਤਾਰ ਨਾਲ ਮੇਲ ਖਾਂਦੀ ਹੈ?" ਜੇ ਤੁਹਾਡੇ ਕੋਲ 200-ਪੰਨਿਆਂ ਦਾ ਇਕਰਾਰਨਾਮਾ ਪੜ੍ਹਿਆ ਜਾ ਰਿਹਾ ਹੈ, ਤਾਂ ਲੰਬੀ ਸੰਦਰਭ ਲਾਈਨ ਤੁਹਾਡੇ ਲਈ ਨਿਰਣਾਇਕ ਹੈ, ਅਤੇ ਜੇਕਰ ਤੁਹਾਡੇ ਕੋਲ ਵਿਜ਼ੂਅਲ ਤੋਂ ਇਨਵੌਇਸ ਪੜ੍ਹੇ ਜਾ ਰਹੇ ਹਨ, ਤਾਂ ਮਲਟੀਮੋਡੈਲਿਟੀ ਲਾਈਨ ਤੁਹਾਡੇ ਲਈ ਨਿਰਣਾਇਕ ਹੈ।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ: ਜਦੋਂ ਪਰਿਵਾਰਕ ਚੋਣ ਦੀ ਮੰਗ ਕੀਤੀ ਜਾਂਦੀ ਹੈ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:

ਕਿਹੜਾ ਬਿਹਤਰ ਹੈ: ਕਲਾਉਡ, ਜੀਪੀਟੀ ਜਾਂ ਜੇਮਿਨੀ?

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਨਿਰਪੱਖ AI ਸਲਾਹਕਾਰ। ਮੇਰੀ ਨੌਕਰੀ: ਮੈਂ ਇੱਕ ਈ-ਕਾਮਰਸ ਕੰਪਨੀ ਵਿੱਚ ਗਾਹਕਾਂ ਦੀਆਂ ਈਮੇਲਾਂ ਦਾ ਜਵਾਬ ਦੇਣ ਲਈ ਡਰਾਫਟ ਤਿਆਰ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹਾਂ + ਇਨਕਮਿੰਗ ਇਨਵੌਇਸ ਚਿੱਤਰਾਂ ਤੋਂ ਰਕਮ/ਤਾਰੀਖ ਕੱਢਣਾ। ਇੱਥੇ ਦੋ ਵੱਖ-ਵੱਖ ਕੰਮ ਹਨ: (1) ਟੈਕਸਟ ਬਣਾਉਣਾ, (2) ਚਿੱਤਰ ਤੋਂ ਡਾਟਾ ਕੱਢਣਾ। ਟਾਸਕ: ਦੋਵਾਂ ਕੰਮਾਂ ਲਈ ਕਲਾਉਡ, ਜੀਪੀਟੀ ਅਤੇ ਜੇਮਿਨੀ ਪਰਿਵਾਰਾਂ ਦੀ ਤੁਲਨਾ ਕਰੋ। ਲਿਖੋ ਕਿ ਕਿਹੜਾ ਪਰਿਵਾਰ ਕੰਮ ਦੇ ਆਧਾਰ 'ਤੇ ਵੱਖਰਾ ਹੈ, ਮੈਨੂੰ ਕਿਹੜਾ ਪੱਧਰ ਵਰਤਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਕਿਉਂ। ਇੱਕ ਸਹੀ ਕੀਮਤ ਨਾ ਦਿਓ, ਇੱਕ ਸੀਮਾ ਦਿਓ। ਜਦੋਂ ਸ਼ੱਕ ਹੋਵੇ, ਤਾਂ "ਟੈਸਟ" ਕਹੋ.

ਕਿਉਂਕਿ ਦੂਜਾ ਪ੍ਰੋਂਪਟ ਨੌਕਰੀ ਨੂੰ ਦੋ ਸਪੱਸ਼ਟ ਕੰਮਾਂ ਵਿੱਚ ਵੰਡਦਾ ਹੈ, ਮਾਡਲ ਹਰੇਕ ਕੰਮ ਲਈ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਸਹੀ ਪਰਿਵਾਰ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ "ਮਾਡਲ ਪੋਰਟਫੋਲੀਓ" ਵਿਚਾਰ ਦਾ ਆਧਾਰ ਵੀ ਹੈ ਜਿਸ ਬਾਰੇ ਅਸੀਂ ਬਾਅਦ ਵਿੱਚ ਸਿੱਖਾਂਗੇ।

ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟਸ

ਟੀਅਰ 1 ਮੇਲ ਖਾਂਦਾ ਹੈ:

ਮੈਂ ਹੇਠਾਂ ਦਿੱਤੇ ਕੰਮ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹਾਂ: [ਟਾਸਕ]। ਮੁਸ਼ਕਲ ਪੱਧਰ ਅਤੇ ਵਾਲੀਅਮ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ, ਤੁਸੀਂ ਕਲਾਉਡ, ਜੀਪੀਟੀ ਅਤੇ ਜੇਮਿਨੀ ਪਰਿਵਾਰਾਂ (ਹਲਕੇ/ਸੰਤੁਲਿਤ/ਮਜ਼ਬੂਤ) ਦੇ ਕਿਹੜੇ ਪੱਧਰ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰੋਗੇ? ਹਰੇਕ ਪਰਿਵਾਰ ਲਈ ਉਚਿਤਤਾ ਦੀ ਇੱਕ ਲਾਈਨ ਲਿਖੋ।

2. ਈਕੋਸਿਸਟਮ ਅਨੁਕੂਲਤਾ:

ਟੂਲ ਜੋ ਅਸੀਂ ਵਰਤਮਾਨ ਵਿੱਚ ਵਰਤਦੇ ਹਾਂ: [ਟੂਲ ਸੂਚੀ, ਉਦਾਹਰਨ ਲਈ Google Workspace / Microsoft 365]। ਕਿਹੜਾ AI ਪਰਿਵਾਰ ਇਸ ਟੂਲ ਸਟੈਕ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਰਗੜ-ਰਹਿਤ ਫਿੱਟ ਹੋਵੇਗਾ ਅਤੇ ਕਿਉਂ? ਏਕੀਕਰਣ ਦੀ ਸੌਖ, ਸਿੱਖਣ ਦੀ ਵਕਰ, ਅਤੇ ਲੌਕ-ਇਨ (ਨਿਰਭਰਤਾ) ਦੇ ਸੰਭਾਵਿਤ ਜੋਖਮ ਦਾ ਮੁਲਾਂਕਣ ਕਰੋ।

3. ਤਾਕਤ ਪ੍ਰਮਾਣਿਕਤਾ:

ਮੈਂ ਆਪਣੇ ਕੰਮ [TASK] ਲਈ ਦਾਅਵੇ ਦੀ ਜਾਂਚ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹਾਂ "[MODEL NAME] ਇਸ ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ"। ਇਸ ਦਾਅਵੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਮੈਨੂੰ ਆਪਣੀ ਖੁਦ ਦੀ ਕੁਸ਼ਲਤਾ 'ਤੇ ਕਿਹੜੇ 3 ਨਮੂਨੇ ਦੇ ਟੈਸਟ ਚਲਾਉਣੇ ਚਾਹੀਦੇ ਹਨ? ਇੱਕ ਵਾਕ ਵਿੱਚ ਹਰੇਕ ਟੈਸਟ ਲਈ ਸਫਲਤਾ ਦੇ ਮਾਪਦੰਡ ਦਾ ਵਰਣਨ ਕਰੋ।

4. ਨਾਮ ਸੰਕਲਪ:

ਹੇਠਾਂ ਦਿੱਤੇ ਮਾਡਲ ਨਾਮਾਂ ਨੂੰ ਪਰਿਵਾਰ, ਪੜਾਅ ਅਤੇ ਸੰਸਕਰਣ ਵਿੱਚ ਪਾਰਸ ਕਰੋ ਅਤੇ ਇੱਕ ਸਾਰਣੀ ਬਣਾਓ: [MODEL NAMES]। ਇੱਕ ਇੱਕਲੇ ਸ਼ਬਦ ਨਾਲ ਹਰੇਕ ਲਈ ਇੱਕ ਆਮ ਵਰਤੋਂ ਨੂੰ ਲੇਬਲ ਕਰੋ।

ਆਮ ਗਲਤੀਆਂ

• ਵਿਗਿਆਪਨ ਦੇ ਆਧਾਰ 'ਤੇ ਫੈਸਲਾ ਕਰਨਾ: "ਇਹ ਮਾਡਲ ਉਸ ਟੈਸਟ ਵਿੱਚ ਪਹਿਲਾਂ ਆਇਆ" ਦੀ ਘੋਸ਼ਣਾ ਤੁਹਾਡੇ ਮਿਸ਼ਨ ਬਾਰੇ ਕੁਝ ਨਹੀਂ ਕਹਿ ਸਕਦੀ। ਆਪਣੇ ਖੁਦ ਦੇ ਡੇਟਾ ਨਾਲ ਇਸ ਦੀ ਜਾਂਚ ਕਰੋ।
• ਇੱਕ ਪੱਧਰ ਦੀ ਚੋਣ ਕੀਤੇ ਬਿਨਾਂ ਇੱਕ ਪਰਿਵਾਰ ਦੀ ਚੋਣ ਕਰਨਾ: "ਅਸੀਂ ਜੀਪੀਟੀ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ" ਕਹਿਣਾ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ; ਇਹ ਕਿਸ ਪੱਧਰ 'ਤੇ ਲਾਗਤ ਅਤੇ ਗੁਣਵੱਤਾ ਨੂੰ ਮੂਲ ਰੂਪ ਵਿੱਚ ਬਦਲਦਾ ਹੈ.
• ਈਕੋਸਿਸਟਮ ਲਾਕ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ: ਇੱਕ ਪਰਿਵਾਰ ਲਈ ਡੂੰਘਾਈ ਨਾਲ ਵਚਨਬੱਧ ਹੋਣ ਨਾਲ ਏਕੀਕਰਨ ਵਿੱਚ ਆਸਾਨੀ ਹੁੰਦੀ ਹੈ ਪਰ ਭਵਿੱਖ ਵਿੱਚ ਕਿਸੇ ਹੋਰ ਪ੍ਰਦਾਤਾ ਨੂੰ ਬਦਲਣਾ ਮੁਸ਼ਕਲ ਹੋ ਜਾਂਦਾ ਹੈ।
• ਵਿਸ਼ਾ ਗੁੰਮ ਹੈ: ਇਹ ਮਾਰਕੀਟ ਤੇਜ਼ੀ ਨਾਲ ਬਦਲਦਾ ਹੈ; ਛੇ ਮਹੀਨੇ ਪਹਿਲਾਂ ਦੀ ਤੁਲਨਾ ਅੱਜ ਅਵੈਧ ਹੋ ਸਕਦੀ ਹੈ। ਆਪਣੇ ਫੈਸਲੇ ਨੂੰ ਅੱਪ-ਟੂ-ਡੇਟ ਜਾਣਕਾਰੀ 'ਤੇ ਆਧਾਰਿਤ ਕਰੋ।
• ਇੱਕ ਪਰਿਵਾਰ ਨੂੰ ਸਭ ਕੁਝ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਨਾ: ਜਦੋਂ ਕਿ ਇੱਕ ਪਰਿਵਾਰ ਟੈਕਸਟ ਵਿੱਚ ਚਮਕਦਾ ਹੈ, ਇੱਕ ਹੋਰ ਪਰਿਵਾਰ ਦ੍ਰਿਸ਼ਟੀਗਤ ਵਿੱਚ ਅੱਗੇ ਹੋ ਸਕਦਾ ਹੈ। ਕੰਮ-ਦਰ-ਕਾਰਜ ਸੋਚੋ.

ਸੰਖੇਪ ਵਿੱਚ

• ਐਂਥਰੋਪਿਕ, ਓਪਨਏਆਈ, ਅਤੇ ਗੂਗਲ ਸਾਰੇ ਵੱਖ-ਵੱਖ ਨਾਵਾਂ ਹੇਠ ਇੱਕੋ ਪੱਧਰੀ ਤਰਕ (ਹਲਕਾ/ਸੰਤੁਲਿਤ/ਮਜ਼ਬੂਤ) ਪੇਸ਼ ਕਰਦੇ ਹਨ।
• ਲੰਬੇ ਸੰਦਰਭ, ਕੋਡ ਅਤੇ ਸੁਰੱਖਿਅਤ ਕਾਰਪੋਰੇਟ ਵਿਵਹਾਰ ਵਿੱਚ ਕਲਾਉਡ; ਜੀਪੀਟੀ ਵਿੱਚ ਸ਼ਾਨਦਾਰ ਬਹੁਪੱਖੀਤਾ ਅਤੇ ਵਿਆਪਕ ਈਕੋਸਿਸਟਮ ਹੈ; ਜੇਮਿਨੀ ਮਲਟੀਮੋਡੈਲਿਟੀ ਅਤੇ ਵਰਕਸਪੇਸ ਏਕੀਕਰਣ ਵਿੱਚ ਉੱਤਮ ਹੈ।
• "ਸਭ ਤੋਂ ਵਧੀਆ" ਨੌਕਰੀ ਦੁਆਰਾ ਬਦਲਦਾ ਹੈ; ਤੁਲਨਾ ਨੂੰ ਆਪਣੇ ਖੁਦ ਦੇ ਟੈਸਟ ਡੇਟਾ 'ਤੇ ਅਧਾਰਤ ਕਰੋ, ਵਿਗਿਆਪਨ 'ਤੇ ਨਹੀਂ।
• ਮਾਡਲ ਦੇ ਨਾਮਾਂ ਨੂੰ ਪਰਿਵਾਰ + ਟੀਅਰ + ਸੰਸਕਰਣ ਵਿੱਚ ਪਾਰਸ ਕਰਨਾ ਤੁਹਾਨੂੰ ਭੀੜ ਵਾਲੇ ਬਾਜ਼ਾਰ ਵਿੱਚ ਆਪਣਾ ਰਸਤਾ ਲੱਭਣ ਵਿੱਚ ਮਦਦ ਕਰੇਗਾ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਆਪਣੀ ਨੌਕਰੀ ਵਿੱਚ ਦੋ ਵੱਖ-ਵੱਖ ਕਾਰਜਾਂ ਦੀ ਪਛਾਣ ਕਰੋ (ਇੱਕ ਟੈਕਸਟ-ਭਾਰੀ, ਇੱਕ ਵਿਜ਼ੂਅਲ- ਜਾਂ ਲੰਬੇ-ਦਸਤਾਵੇਜ਼-ਭਾਰੀ)। ਇਸ ਯੂਨਿਟ ਵਿੱਚ ਟੈਂਪਲੇਟ 1 (ਟੀਅਰ ਮੈਚਿੰਗ) ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਇੱਕ AI ਮਾਡਲ ਨੂੰ ਹਰੇਕ ਕੰਮ ਲਈ ਤਿੰਨ ਪਰਿਵਾਰਾਂ ਦੇ ਉਚਿਤ ਰੈਂਕ ਲਈ ਪੁੱਛੋ। ਫਿਰ, ਟੈਂਪਲੇਟ 3 (ਸ਼ਕਤੀ ਪ੍ਰਮਾਣਿਕਤਾ) ਦੇ ਨਾਲ, ਆਪਣੇ ਖੁਦ ਦੇ ਡੇਟਾ ਨਾਲ ਪ੍ਰਸਤਾਵਿਤ ਮਾਡਲ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਤਿੰਨ ਠੋਸ ਟੈਸਟ ਡਿਜ਼ਾਈਨ ਕਰੋ। ਅਸੀਂ ਇਹਨਾਂ ਟੈਸਟਾਂ ਦੀ ਵਰਤੋਂ ਯੂਨਿਟ 10 ਵਿੱਚ ਮੁਲਾਂਕਣ ਅਧਿਐਨ ਵਿੱਚ ਕਰਾਂਗੇ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ ਤਿੰਨਾਂ ਪਰਿਵਾਰਾਂ ਵਿੱਚ ਪੱਧਰ (ਰੌਸ਼ਨੀ/ਸੰਤੁਲਿਤ/ਮਜ਼ਬੂਤ) ਤਰਕ ਨੂੰ ਪਛਾਣ ਸਕਦਾ/ਸਕਦੀ ਹਾਂ।
• [ ] ਕਲਾਉਡ, ਮੈਂ ਉਹਨਾਂ ਖੇਤਰਾਂ ਨਾਲ ਮੇਲ ਕਰ ਸਕਦਾ ਹਾਂ ਜਿੱਥੇ GPT ਅਤੇ Gemini ਪ੍ਰਮੁੱਖ ਹਨ।
• [ ] ਮੈਂ ਜਾਇਜ਼ਤਾ ਦੇ ਨਾਲ ਕਿਸੇ ਕੰਮ ਲਈ ਸਹੀ ਪਰਿਵਾਰ ਅਤੇ ਰੈਂਕ ਦੀ ਚੋਣ ਕਰ ਸਕਦਾ ਹਾਂ।
• [ ] ਮੈਂ ਆਪਣੇ ਖੁਦ ਦੇ ਡੇਟਾ ਨਾਲ ਇੱਕ ਮਾਡਲ ਦਾਅਵੇ ਦੀ ਜਾਂਚ ਕਰਨ ਦੇ ਤਰੀਕੇ ਜਾਣਦਾ ਹਾਂ।
• [ ] ਮੈਂ ਮਾਡਲ ਨਾਮਾਂ ਨੂੰ ਪਰਿਵਾਰ + ਪੜਾਅ + ਸੰਸਕਰਣ ਵਜੋਂ ਪਾਰਸ ਕਰ ਸਕਦਾ ਹਾਂ।