Google Gemini 2.0 Flash/Pro/Flash Lite

Feb 10, 2025 | LLM (AI)

• Gemini 2.0 Flash Thinking: Googlov odgovbor na DeepSeek. Zasnovan je za reševanje problemov v realnem času in v vsakdanje naloge umetne inteligence vnaša napredno razmišljanje (reasoning).

• Gemini 2.0 Flash-Lite: To je Googlov odgovor na cenovno dostopnejše modele. Ohranja hitrost in stroškovno učinkovitost svojega predhodnika, vendar izboljša zmogljivost, kar je idealno za podjetja, ki potrebujejo AI v velikem obsegu, ne da bi pri tem bankrotirali.

Gemini 2.0 Pro Experimental: To je Googlov najboljši model za kodiranje in zapleteno sklepanje (reasoning). Z ogromnim kontekstnim oknom za 2 milijona tokenov lahko v enem koraku obdela velike količine podatkov, kot je celotna serija o Harryju Potterju v enem samem promptu. Povezan je tudi z orodji, kot sta Google search in seveda prav tako omogoča izvajanje kode.

Qwen 2.5-Max

Jan 29, 2025 | LLM (AI)

link:  https://chat.qwenlm.ai/

Alibaba je pravkar predstavil Qwen2.5-Max, umetno inteligenco z 20 trilijoni tokenov, namenjeno tekmovanju z GPT-4o, Claude 3.5 Sonnet in DeepSeek V3. In številke? So ogromne. 

– 20 trilijonov žetonov – to je 15 trilijonov besed ali 168 milijonov izvodov Orwellovega romana 1984.

– Premaguje DeepSeek V3 v neposrednih preizkusih – 89,4 točke na prednostni lestvici (v primerjavi s 85,5 točke DeepSeeka).

– Razbija matematična merila – 94,5 % na testu GSM8K, kar je več kot DeepSeek V3 (89,3 %). 

– Nadgrajen sistem Mixture-of-Experts (MoE) – aktivira le potrebne “možgane”, zato je hitrejši in učinkovitejši od tradicionalnih modelov. 

– Na voljo prek Qwen Chat in Alibaba Cloud API – ni potrebna zapletena nastavitev.   Na nekaterih področjih še vedno zaostaja za Claudom 3,5 Sonnetom.

Qwen 2.5-Max je jezikovni model, ki ga je razvilo podjetje Qwen, hčerinsko podjetje Alibabe. Nekateri ključni podatki o tem modelu:

Velikost modela: Qwen 2.5-Max je model z 72 milijardami parametrov, kar ga uvršča med največje odprto-kodne jezikovne modele na voljo.

In tu je „sporno“ vprašanje, na katerega vam DeepSeek ne bo odgovoril, Qwen pa je to storil brez oklevanja:

Prednosti:

• Qwen 2.5-Max je bil pretreniran na več kot 20 bilijonih žetonov besedila, kar mu omogoča izjemno široko znanje in razumevanje.
• Model je bil dodatno izpopolnjen s tehnikami nadzorovanega učenja in učenja s povratno zanko iz človeških povratnih informacij, kar je izboljšalo njegove sposobnosti razumevanja in sledenja navodilom.
• Qwen 2.5-Max je zmožen generiranja dolgih besedil do 8.000 žetonov in razumevanja strukturiranih podatkov, kot so tabele.
• Model odlično deluje v različnih jezikih, vključno s kitajščino, angleščino, francoščino, španščino, nemščino in drugimi.
• Qwen 2.5-Max je konkurenčen ali celo boljši od drugih vodilnih jezikovnih modelov, kot sta GPT-4 in Claude 3.5, na različnih testih in ocenjevanjih.

Primerjava z drugimi modeli:

• V primerjavi z drugimi velikimi odprtokodnimi modeli, kot sta Llama 3.1-405B in DeepSeek V3, Qwen 2.5-Max dosega boljše rezultate na testih, kot so Arena-Hard, LiveBench in MMLU-Pro.
• Qwen 2.5-Max je tudi konkurenčen v primerjavi z vodilnimi komercialnimi modeli, kot sta GPT-4 in Claude 3.5, čeprav še vedno zaostaja v nekaterih vidikih.

Zgodovina nastanka: Qwen 2.5-Max je nadgradnja prejšnjega modela Qwen 2, ki je bil objavljen pred tremi meseci. Qwen 2.5 vključuje številne izboljšave, kot so večja količina pretreniranih podatkov, boljše sposobnosti razumevanja in generiranja strukturiranih podatkov ter izboljšane zmogljivosti sledenja navodilom.

DeepSeek

Jan 27, 2025 | LLM (AI)

Zmogljivost in učinkovitost: DeepSeek-R1 je v ključnih testih dosegel rezultate, ki so primerljivi ali celo boljši od modela GPT-3 od OpenAI. Dosegel je visoke rezultate na matematičnih in programerskih izzivih, kar kaže na njegovo vsestranskost in sposobnost sklepanja na različnih področjih.

Inovativna arhitektura: Model DeepSeek-R1 uporablja učinkovito arhitekturo mešanice strokovnjakov (MoE), ki omogoča optimalno obdelavo brez ogrožanja zmogljivosti. Podpira tudi dolge kontekste do 128.000 žetonov (tokenov), kar je idealno za obdelavo obsežnih vnosov.

Stroškovna učinkovitost: DeepSeek-R1 je bistveno cenejši od modela GPT-3 od OpenAI. Osnovne provizije so 27,4-krat cenejše na žeton, poleg tega pa model uporablja sistem predpomnjenja, ki lahko zmanjša stroške ponavljajočih se poizvedb do 90%.

Odprtokodnost: DeepSeek-R1 je na voljo pod odprtokodno licenco MIT, kar omogoča komercialno uporabo, modifikacije in spodbuja sodelovanje ter inovacije na področju umetne inteligence.

Potencial za preoblikovanje trga umetne inteligence: Z učinkovitostjo, zmogljivostjo in dostopnostjo DeepSeek-R1 postavlja nov standard za modele umetne inteligence in lahko vpliva na pristop k lastniškim modelom, kar bo prisililo vodilne v panogi, da ponovno razmislijo o svojih strategijah cen in dostopnosti.

Medtem ko sistemi OpenAI potrebujejo več deset tisoč čipov Nvidia, je DeepSeek svoje delo opravil z le 2.000 čipi. Stroški? Približno 6 milijonov dolarjev v primerjavi z več kot 100-milijonskimi proračuni ameriških podjetij.

Če  ga vprašate o temah, kot sta Trg nebeškega miru ali Tajvan ne dobite odgovora. Na 85 % vprašanj o občutljivih temah noče odgovoriti.

Odprtokodna moč: Namesto da bi podjetje DeepSeek svojo tehnologijo skrivalo, jo je naredilo odprtokodno in tako razvijalcem po vsem svetu omogočilo, da gradijo na njihovih orodjih.

Modeli podjetja DeepSeek se dobro odrežejo v primerjalnih testih logike, sklepanja in programiranja. Na Redditu imajo nekateri uporabniki celo raje njegovo preglednost pri prikazovanju miselnega procesa, česar modeli OpenAI nimajo.

V zadnjem času se okoli DeepSeek dviga velik hrup. Ta kitajski LMM model, ki je na voljo v dveh različicah, DeepSeek V3 in R1, trdi, da lahko tekmuje z najboljšimi modeli OpenAI, Google in Meta, hkrati pa je zelo poceni. Govorimo o 1/20 cene. Na prvi pogled se sliši kot zmaga: visokokakovostna umetna inteligenca za delček cene.

Toda če se poglobimo pod površje, stvari postanejo čudne in to zelo hitro.

Cenzura?

DeepSeek se ne izogiba le „spornim“ vprašanjem o Kitajski. Aktivno pozna odgovore, jih zapiše in nato izbriše. Dobesedno. Vprašajte ga o temah, kot so suverenost Tajvana, pokol na Trgu nebeškega miru leta 1989 ali kriza človekovih pravic Ujgurov v Sinkiangu. Začel bo z dejanskim odgovorom, ki bo čez nekaj trenutkov izginil. Kaj se pojavi namesto tega? Neodgovor, kot je: „Oprostite, govorimo o nečem drugem.“

To ni naključje ali programska napaka. Gre za namerno cenzuro. In tu je bistvo, da je popolnoma enostransko. Če vprašate o občutljivih temah v drugih državah, DeepSeek brez težav poda podrobne odgovore. Trg nebeškega miru? Molk. Jallianwala Bagh? Popolna razlaga. To ni nevtralen klepetalni robot, temveč orodje z določenim namenom.

Toda cenzura ni edino vprašanje.

Celotna trditev o „proračunski umetni inteligenci“ ne drži. DeepSeek naj bi stal le 6 milijonov dolarjev. To se sliši impresivno, dokler se ne zavedate, da ima kitajska vlada zaradi sankcij stroge omejitve pri uvozu grafičnih procesorjev. Kako točno so z omejenim dostopom do kritične strojne opreme zgradili najsodobnejši veliki jezikovni model (LLM)? Tudi če bi lahko tu in tam zmanjšali stroške, 6 milijonov dolarjev za model, ki premaga Googlovo in Metino umetno inteligenco? Recimo, da je to težko prodati.

Kaj pa dolgoročna tveganja?

Ko je model umetne inteligence programiran za cenzuro ali subtilno vsiljevanje ideologij, ne gre samo za to, da preskoči sporne odgovore. Oblikuje način razmišljanja uporabnikov. Če mu zastavite filozofska ali moralna vprašanja, lahko namesto globalnih perspektiv dobite rezultate, ki se tiho nagibajo h kitajskim vrednotam in stališčem. Tega sploh ne bi opazili.

Recimo, da ste razvijalec ali podjetje, ki razmišlja o vključitvi orodja DeepSeek v svojo aplikacijo. Ali ste pripravljeni tvegati težave z zaupanjem uporabnikov? Ker ko ljudje ugotovijo, da je umetna inteligenca pristranska, se nanjo nehajo zanašati. Kaj pa vsakdanji potrošniki? Zgodba je enaka. Če umetna inteligenca ne more biti pregledna, jo je težko jemati resno kot vir resnice.

Ali je torej tehnologija DeepSeek „slaba“? Ne. Njeni modeli naj bi bili odlični pri sklepanju in odgovarjanju na splošne poizvedbe. Vendar je pristranskost, vgrajena v njegov sistem, značilnost in ne napaka. Zaradi tega je nevaren.

Bistvo je naslednje:

DeepSeek je morda poceni, vendar njegova cena presega dolarje. S seboj prinaša tveganja cenzure, vpliva in nezaupanja. Preden se vkrcate na vlak, se vprašajte: Ali je prihranek nekaj dolarjev vreden tega, da dobite umetno inteligenco, ki vam pove le tisto, kar sme povedati?

Google Gemini 2.0 Flash Thinking Experimental

Dec 20, 2024 | LLM (AI)

Google je predstavil nov eksperimentalni model umetne inteligence, imenovan Gemini 2.0 Flash Thinking Experimental, ki poudarja napredne zmožnosti sklepanja. Ta model, ki gostuje v Googlovem studiu AI Studio, je zasnovan za naloge, ki vključujejo multimodalno razumevanje, kompleksno reševanje problemov in kodiranje. Temelji na ogrodju Gemini 2.0 Flash in vključuje tehnike samopreverjanja za povečanje natančnosti na področjih, kot so matematika, programiranje in fizika.

Model se odlikuje po tem, da se ustavi in razmisli o povezanih namigih ter pojasni svoj proces razmišljanja, preden povzame končni odgovor. Vendar se je njegova učinkovitost izkazala za nedosledno, kar se je pokazalo, ko je netočno preštel črke v besedi „jagoda“. Tako kot podobni modeli, kot je o1 podjetja OpenAI, tudi Gemini 2.0 Flash Thinking Experimental zamenjuje hitrost za natančnost, saj zaradi računsko intenzivnega načina razmišljanja za odgovor potrebuje od nekaj sekund do nekaj minut.

Kljub tem pomanjkljivostim postajajo modeli sklepanja, kot je Gemini, konkurenčni cilj med laboratoriji za umetno inteligenco, druga podjetja, kot sta DeepSeek in Alibaba, pa izdajajo svoje alternative.

Microsoft Phi-4

Dec 15, 2024 | LLM (AI)

Microsoft je pravkar predstavil Phi-4, kompaktni jezikovni model z le 14 milijardami parametrov, ki se lahko kot profesionalec loti zapletenega razmišljanja.

V čem Phi-4 izstopa:
Matematične spretnosti: Prekaša veliko večje modele in je celo boljši od Gemini Pro 1.5 pri matematičnih tekmovalnih nalogah.
Učinkovita zasnova: Zaradi skrbno izbranih naborov podatkov in izboljšav po usposabljanju je majhen, vendar ima veliko moč.
Varnost : Vključuje orodja, kot so ščitniki za pozive in filtri vsebine, ki poskrbijo za odgovorne in kakovostne rezultate.
Phi-4 je zdaj na voljo v Azure AI Foundry pod Microsoftovo raziskovalno licenco, v kratkem pa bo na voljo v aplikaciji Hugging Face.

• To je Microsoftov najnovejši član družine generativnih umetnih inteligenc, ki ima 14 milijard parametrov. Zaradi boljših podatkov za učenje in pametnejšega razvoja je odlična pri nalogah, kot je reševanje težkih matematičnih problemov.
• Manjši modeli, kot je Phi-4 (poleg konkurentov, kot sta GPT-4o mini in Claude 3.5 Haiku), so vzhajajoče zvezde, saj so cenejši in hitrejši, hkrati pa še vedno zagotavljajo dobro zmogljivost.
• Model Phi-4 je pridobil podporo z visokokakovostnimi sintetičnimi in s strani ljudi ustvarjenimi podatkovnimi nizi ter nekaj skrivnostne omake pri popravkih po usposabljanju.
• Za zdaj je Phi-4 zaklenjen in na voljo le na Microsoftovi platformi Azure AI Foundry za raziskovalno uporabo.
• To je prvi model serije Phi, ki je bil predstavljen, odkar je oktobra Sébastien Bubeck, eden najboljših Microsoftovih strokovnjakov za umetno inteligenco, zapustil podjetje in odšel v OpenAI.

Izbira najprimernejšega modela (stanje oktober 2024)

Nov 2, 2024 | LLM (AI)

Prvi korak je razumevanje vašega cilja. Ali se ukvarjate z ustvarjanjem besedil, ustvarjanjem slik, klasifikacijo, regresijo ali čim drugim? Različni modeli umetne inteligence so optimizirani za različne naloge:

Modeli GPT GPT-4o IN  GPT-4.0 Turbo:

Idealni so za vsestranske besedilne naloge, kot so ustvarjanje vsebine, prevajanje, povzemanje, odgovarjanje na vprašanja itd.
Za bolj zapletene poizvedbe in natančne, niansirane odgovore bo najboljša izbira model GPT-4.0 Turbo. Ta model je odličen pri sledenju navodilom po korakih, sklepanju in prepoznavanju logičnih napak.
Za hitre in človeku podobne odgovore uporabite GPT-4o, saj je ta model optimiziran za zmogljivost in učinkovitost.

Claude Haiku in Claude Sonet:

Claude 3 se odlikujeta po razširjenem kontekstualnem oknu, ki znatno izboljša njuno sposobnost za razumevanje zapletenih in dolgih informacij. Trenutno sta najboljša za naloge ustvarjalnega pisanja (pripovedovanje zgodb, dosleden ton glasu, gradnja likov itd.).
Claude Sonnet uravnoteženo usklajuje inteligentnost in hitrost.
Tako kot GPT-4o je tudi Claude Haiku kompakten model, ki omogoča skoraj takojšnje odgovore.

Claude Opus:

Claude Opus je zasnovan za opravljanje zelo zapletenih nalog (kot so interaktivno kodiranje, odkrivanje zdravil, napredna analiza financ in tržnih trendov, napovedovanje itd.) in se ponaša z izjemno zmogljivostjo, inteligenco, tekočnostjo in razumevanjem. Ponuja vrhunske zmogljivosti na različnih področjih.

Gemini:

Sposoben je obdelati več vrst podatkov, kar omogoča naloge, kot so analiza slik, povzemanje videoposnetkov in ustvarjanje glasbe iz namigov. Poleg tega lahko kritično razmišlja in analizira, hkrati pa je v stiku z besedilnimi podatki v realnem času iskalnika Google (razen Gemini 1.0 Pro), zato je idealen za reševanje problemov, odločanje in reševanje zapletenih vprašanj.
Gemini 1.5 Pro trenutno stane 20-krat več kot Gemini 1.0 Pro, tako za vhodne kot izhodne podatke, kar je mogoče pripisati njegovi boljši zmožnosti za obdelavo večjih in kompleksnejših podatkovnih nizov ter več modalno obdelavo.
Nasprotno pa ima Gemini 1.5 Flash enako ceno za vhodne in izhodne podatke kot Gemini 1.0 Pro, vendar se ponaša z najvišjimi hitrostmi obdelave, zaradi česar je idealen za naloge z velikim obsegom in kritičnimi zakasnitvami.

DALL-E:

odličen za ustvarjanje visokokakovostnih slik iz besedilnih opisov

Zaključek:

Torej če sumiramo: različni modeli umetne inteligence imajo različne stroške, ki odražajo njihovo kompleksnost in zmogljivosti. Če želite kar najbolj racionalno izkoristiti vaša sredstva, je pomembno razumeti, kdaj uporabiti posamezen model.

Osnovni modeli: GPT-3.5 Turbo in Claude 3 Haiku so stroškovno učinkoviti in so najcenejši.  Ti modeli so kot nalašč za preproste naloge, pogosta testiranja in hitre iteracije, saj vam omogočajo, da izboljšate svoje pozive (prompte) za najnižjo ceno.

Napredni modeli: GPT-4o, GPT-4.0 Turbo Vision, Gemini 1.5 Pro in Claude 3 Sonnet so dražji  na interakcijo. Ti modeli ponujajo izboljšane zmogljivosti in izpopolnjene izpise, zato so idealni za zahtevnejše projekte, ki zahtevajo višjo kakovost in natančnost.

Premium modeli: Claude 3 Opus in Dall-E 3 so najdražji, vendar prinašata najboljše rezultate in visokokakovostne izpise. Ne glede na to, ali ustvarjate podrobne slike ali pripravljate zapletene vsebine, ta modela zagotavljata vrhunske rezultate (kot jih pač trenutno stanje LL lahko omogoča.

Modeli, okvirno razporejni po ceni/zmogljivosti/zahtevnosti (seveda je to moja subjektivna ocena )

1. Gemini 1.0 Pro

1. Gemini 1.5 Flash

1. GPT 4o Mini

1. Claude 3 Haiku

5. GPT 4o

10. Gemini 1,5 Pro

10. GPT4.0 Turbo

10. Claude 3 Sonnet

10. Claude 3.5 Sonet

30. DALL-E 3

50. Claude 3 Opus

Midjourney posodobitve

Oct 30, 2024 | LLM (AI)

Urejanje zunanjih slik: Prvič lahko uporabniki urejajo slike, ki so jih naložili zunaj Midjourneyja. To presega generativne slike z umetno inteligenco in omogoča širši ustvarjalni nadzor.

Ponovne prilagoditve tekstur in osvetlitve: Uporabniki lahko spreminjajo teksture, materiale in osvetlitev, kar omogoča preoblikovanje nastavitev – z nekaj kliki spremenite sobo iz dnevne v nočno.

Zmožnosti za pretvorbo iz skice v umetniško delo: Uporabniki lahko naložijo preproste skice ali ročne risbe in jih spremenijo v popolnoma realizirane umetnine z oblikovanjem, podprtim z umetno inteligenco.

Izboljšave moderiranja: Da bi ohranili kakovost in varnost, Midjourney ob uvajanju te funkcije izvaja strožje protokole za moderiranje in zasebnost ( lahko si predstavljate kaj bo sledilo).

Midjourneyjev urejevalnik deluje intuitivno celo s pozivi in samodejno zazna območja za spreminjanje brez obsežnega ročnega vnosa.

Trenutno je funkcija dostopna samo dolgoletnim naročnikomz letno naročnino, tistim, ki so naročeni več kot 12 mesecev, in uporabnikom z več kot 10 000 ustvarjenimi slikami.

Grok (ex Twiter/X) posodobitve

Oct 30, 2024 | LLM (AI)

Plačljivi člani socialnega omrežja X lahko zdaj naložijo sliko in o njej postavljajo vprašanja. Funkcija je v začetni fazi, vendar Musk obljublja hitre izboljšave in mislim, da so možnosti velike.

Večmodalne zmožnosti: Grok lahko zdaj analizira slike. Naj gre za razumevanje šale v memu ali razčlenjevanje zapletenih vizualnih podob, ta nova funkcionalnost dodaja resno vsestranskost.
Odgovori, bogati s kontekstom: Ta funkcija pomeni, da nismo več omejeni le na besedilne odgovore. Grokova vizualna analiza odpira nove možnosti uporabe – vidim aplikacije za ustvarjanje vsebine, analizo trendov v realnem času in še veliko več.
Nadgradnja posodobitev programa Grok-2: To dodaja še eno raven modelu Grok-2, ki je uvedel FLUX.1 za ustvarjanje slik. Zdaj lahko Grok slike interpretira, ne le ustvarja, s čimer je konkurenčen drugim večmodalnim orodjem umetne inteligence.
Prihodnje razumevanje dokumentov: Musk je namignil, da je podpora dokumentom naslednja na vrsti, zato bodo morda kmalu na voljo tudi datoteke PDF in druge datoteke. Všeč mi je, da xAI pri tem napreduje hitro – po Muskovih besedah v nekaj mesecih dosežejo tisto, za kar drugi potrebujejo leta.
Povečanje privlačnosti X za uporabnike Premium: Z nedavno uvedbo orodij, kot je Radar za naročnike Premium+, X dodaja pravo vrednost svojim plačljivim stopnjam. Zaradi tovrstnih funkcij je platforma veliko bolj privlačna, zlasti če iščete vpogled v trendovske teme.