Mentionsy

Może nie były tym aż tak zainteresowane i ich wiedza, czy pojęcie gdzieś tam skupia się wokół korzystania z jednego modelu, czy to Gemini, czy to ChatuGPT, czy to innego rozwiązania, być może Copilota.

Grog, czyli ten model od XAI jest drugi najszybszy.

I co ciekawe, kolejny nie jest najnowszy model od OpenAI, tylko jest ChatGPT 4, czyli ten model trochę starszy.

I tutaj znowu najlepiej wypada grog, czyli ten od XAI, następnie jest chat.

Generalnie rodzina OpenAI w tym jest naprawdę niezła.

Myślę, że w trakcie całego podsumowania podcastu wybrzmi, że on wcale ten OpenAI nie jest taki dobry, natomiast przy tych podstawowych rzeczach sprawdza się bardzo dobrze.

Na drugim miejscu postawiłbym chat od XAI, czyli Groka, który też sobie radzi bardzo, bardzo, bardzo dobrze.

No właśnie, notabene narzędzia, z których korzystamy na co dzień, czyli maile, bądź też, nie wiem, Google Sheets i tak dalej.

Wiesz co, ja mam jeszcze jedną rzecz w tym temacie, dlatego że tak, te narzędzia ze strony, z rodziny Googla, czyli Sheets, ten Word googlowski i maile, wykorzystują Gemini, a Gemini w tym kontekście rozumowania ludzkiego

Tutaj jakby odpowiadam Tobie dlaczego to nie jest często aż tak świetne i tak samo jest z Copilotem, który korzysta, on de facto korzysta z modelu OpenAI, ale ten model, który jest wykorzystywany do obsługi Copilota zawsze jest kilka wersji do tyłu od tego najnowszego modelu OpenAI.

To ewidentnie jest na razie najlepsze rozwiązanie do generowania obrazów i nawet napisaliśmy bardzo fajnego posta w tym temacie na Witalni AI Solutions na LinkedInie, więc zachęcam bardzo do przeczytania osoby, które jeszcze się z tym postem nie spotkały, a chciałyby się dowiedzieć, że tak powiem, dlaczego ten model jest naprawdę taki fajny, jak wszyscy mówią.

Najlepiej sobie aktualnie radzi z tym grog od XAI, ale w wersji Enterprise.

Tak, około 4000, w zależności od modelu i chyba, nie wiem czy teraz dobrze nie powiem, czy nie strzelę gafy, ale chyba model 3,5, a nie, model chyba 4 pierwszy, ChatGPT 4 miał pierwszy taki, z tych takich bardzo komercyjnych, miał pamięć kontekstową 8000 tokenów i wtedy OpenAI

I początkowo to było właśnie wykorzystywane tylko do tych prostych zadań, gdzie tak jak mówiłem opisując pierwszą właśnie kategorię, czyli tych prostych zadań dałem ten OpenAI bardzo wysoko, bo to się w tym kontekście sprawdza, ale w momencie jak już dochodzi ta analiza danych, to przetwarzanie większej ilości, czyli np. jakaś transkrypcja jakiegoś dłuższego nagrania czy rozmowy, w której trzeba wyciągnąć wnioski itd.

No to to okno kontekstu okazuje się być kluczowe i przy takich wolumenach jakie mamy w OpenAI to nie daje żadnych miarodajnych danych ani wyników.

I choć nie są to jeszcze rozwiązania idealne, bo są już case'y gdzieś w internecie, gdzie właśnie takie rozwiązania, gdzie AI sam buduje kod, sam buduje te połączenia i został mu przedstawiony taki problem, był taki ciekawy przypadek, że został postawiony przed czatem jakiś tam problem związany z

Zamiast programisty zatrudnię sobie AI i on już mi będzie pisał kod, ja mu tylko będę palcem pokazywał co chce.