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 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?