Из актуальных пробовал Hy3 и deepseek v4 flash 0731, до нового 4.1 пока руки не дошли. Hy3 переводит более литературно, предложения похожи на русский текст, а не кальку с английского. Дипсик в этом плане хуже, но в трудных для понимания моментах может перевести более осмысленно. Думаю, в таких случаях имеет смысл сначала переводить Hy3, потом дипсиком полировать, но я такой сценарий не тестировал. Однако сделать это легко, просто переключить модель в харнесе после нужного этапа. На диске лежит зипка с результатами переводов нескольких моделей, можете ознакомиться, на гитхаб не заливаю, всё-таки АП.
По технической части - замечательное решение, а по качеству перевода меня не слишком порадовало, довольно "прямой" перевод. Если посмотреть в сам файл скилла, там почти нет никаких указаний про сам перевод. Возможно SOTA модели и без доп. пояснений хорошо переводят, но для китайских они требуются. К тому же мне хотелось чтобы скилл учитывал наличие референсов, предыдущих частей серии с официальным переводом, т.к. у меня как раз такой случай. Не скажу, что добавить это в него было бы дольше, чем написать отдельный скилл, но у меня было достаточно свободного времени на эксперименты)
400 откликов за 2 дня мной уже воспринимается как несерьезные цифры) Это на гошных сеньоров так? С начала лета смотрю стажировки/джун позиции, на питоне через полчаса после того, как выложили вакансию - "Сейчас эту вакансию смотрят 2XX человек", на го что-то вроде 50+.
У нвидиа неюзабельные модели. Я даже купил номер уже не помню какой страны несколько месяцев назад, чтобы зарегаться, но подключив апи к опенкоду, наткнулся на то, что использовать это абсолютно невозможно. Ошибки появлялись на первой паре ответов модели, запрос уходил, а ответа нет, даже если ждать несколько минут, и т.д.
Посмотрел вашу историю комментариев, и возник вопрос: зачем на протяжении десятков, а то и сотен комментариев вы пишете одно и то же, про то что ии заменил стажеров/джунов? Независимо от того, правда это или нет - мне интересно понять, почему человеку хочется повторять одно и то же в сотый раз?
Несколько месяцев назад встретил вашу прошлую статью, и пробовал ИИ для перевода с английского, тем более был повод - непереведенные книги Брэндона Сандерсона в серии, первые книги которой я уже прочитал. Вариант использования через API вместо ИИ агента мне был неудобен, в итоге навайбил через глм 5.2 собственный скилл, идеи в нем все те же - словарь, проверяемый пользователем, черновой перевод, затем полировка. Правда, автосоздаваемый словарь тянет уж слишком много терминов, в своем решении я даю это нейронке, она выбирает наиболее подходящие термины типа имен и названий, сразу их переводит и отдает человеку на проверку. Если что-то пропустила, то по ходу перевода добавляет в словарь и снова ждет утверждения.
Насчет потребления токенов - 1.5-2 миллиона каких токенов, с учетом кеша или нет? У меня выходило около 1-3/20/0.2 миллиона input/cache/output на книгу в 128 страниц epub (Snapshot от того же Сандерсона). Те книги, про которые я говорил в начале, раза в 2-4 больше, и токенов на них тратится тоже больше, не кратно, но всё же. В переводах точно нужно пробовать разные модели, результаты могут быть совершенно нелогичными) Среди тех что пробовал, на удивление лучше всего переводила китайская Hy3 - намного более живой слог, чем у deepseek v4 flash 0731, хотя последний умнее по бенчмаркам.
Исследование METR приводить сейчас бессмысленно, за год-полтора нейронки развились очень и очень недурно. Между Sonnet 3.5-3.7 и Opus 4.8 лежит пропасть. Может, есть что-то поактуальнее?
У них бесплатного тира на полный перевод не хватает, а подписки у меня нет, поэтому не тестировал.
Из актуальных пробовал Hy3 и deepseek v4 flash 0731, до нового 4.1 пока руки не дошли. Hy3 переводит более литературно, предложения похожи на русский текст, а не кальку с английского. Дипсик в этом плане хуже, но в трудных для понимания моментах может перевести более осмысленно. Думаю, в таких случаях имеет смысл сначала переводить Hy3, потом дипсиком полировать, но я такой сценарий не тестировал. Однако сделать это легко, просто переключить модель в харнесе после нужного этапа. На диске лежит зипка с результатами переводов нескольких моделей, можете ознакомиться, на гитхаб не заливаю, всё-таки АП.
По технической части - замечательное решение, а по качеству перевода меня не слишком порадовало, довольно "прямой" перевод. Если посмотреть в сам файл скилла, там почти нет никаких указаний про сам перевод. Возможно SOTA модели и без доп. пояснений хорошо переводят, но для китайских они требуются. К тому же мне хотелось чтобы скилл учитывал наличие референсов, предыдущих частей серии с официальным переводом, т.к. у меня как раз такой случай. Не скажу, что добавить это в него было бы дольше, чем написать отдельный скилл, но у меня было достаточно свободного времени на эксперименты)
Лежит на гитхабе https://github.com/Arondy/book-translate-ru
400 откликов за 2 дня мной уже воспринимается как несерьезные цифры) Это на гошных сеньоров так? С начала лета смотрю стажировки/джун позиции, на питоне через полчаса после того, как выложили вакансию - "Сейчас эту вакансию смотрят 2XX человек", на го что-то вроде 50+.
У нвидиа неюзабельные модели. Я даже купил номер уже не помню какой страны несколько месяцев назад, чтобы зарегаться, но подключив апи к опенкоду, наткнулся на то, что использовать это абсолютно невозможно. Ошибки появлялись на первой паре ответов модели, запрос уходил, а ответа нет, даже если ждать несколько минут, и т.д.
Посмотрел вашу историю комментариев, и возник вопрос: зачем на протяжении десятков, а то и сотен комментариев вы пишете одно и то же, про то что ии заменил стажеров/джунов? Независимо от того, правда это или нет - мне интересно понять, почему человеку хочется повторять одно и то же в сотый раз?
Несколько месяцев назад встретил вашу прошлую статью, и пробовал ИИ для перевода с английского, тем более был повод - непереведенные книги Брэндона Сандерсона в серии, первые книги которой я уже прочитал.
Вариант использования через API вместо ИИ агента мне был неудобен, в итоге навайбил через глм 5.2 собственный скилл, идеи в нем все те же - словарь, проверяемый пользователем, черновой перевод, затем полировка. Правда, автосоздаваемый словарь тянет уж слишком много терминов, в своем решении я даю это нейронке, она выбирает наиболее подходящие термины типа имен и названий, сразу их переводит и отдает человеку на проверку. Если что-то пропустила, то по ходу перевода добавляет в словарь и снова ждет утверждения.
Насчет потребления токенов - 1.5-2 миллиона каких токенов, с учетом кеша или нет? У меня выходило около 1-3/20/0.2 миллиона input/cache/output на книгу в 128 страниц epub (Snapshot от того же Сандерсона). Те книги, про которые я говорил в начале, раза в 2-4 больше, и токенов на них тратится тоже больше, не кратно, но всё же.
В переводах точно нужно пробовать разные модели, результаты могут быть совершенно нелогичными) Среди тех что пробовал, на удивление лучше всего переводила китайская Hy3 - намного более живой слог, чем у deepseek v4 flash 0731, хотя последний умнее по бенчмаркам.
Не слишком понял, т.к. с pinokio не знаком - что именно делает программа? Юзер добавляет фото, и к нему пишет пояснение?
Исследование METR приводить сейчас бессмысленно, за год-полтора нейронки развились очень и очень недурно. Между Sonnet 3.5-3.7 и Opus 4.8 лежит пропасть. Может, есть что-то поактуальнее?
Что за задача была? Из веба?