ਅੱਜ ਦੇ ਟੌਪ AI ਮਾਡਲਾਂ ਵਿਚਕਾਰ ਸਭ ਤੋਂ ਵੱਡੇ ਫਰਕ

ਲੀਡਰਬੋਰਡਾਂ ਨੂੰ ਦੇਖਣਾ ਛੱਡੋ। ਜੇ ਤੁਸੀਂ ਇਹ ਫੈਸਲਾ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹੋ ਕਿ ਆਪਣੇ ਕਾਰੋਬਾਰ ਜਾਂ ਨਿੱਜੀ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ ਕਿਹੜਾ AI ਮਾਡਲ ਵਰਤਣਾ ਹੈ, ਤਾਂ ਬੈਂਚਮਾਰਕ ਅਕਸਰ ਸਭ ਤੋਂ ਘੱਟ ਮਦਦਗਾਰ ਜਾਣਕਾਰੀ ਹੁੰਦੇ ਹਨ। ਇੱਕ ਮਾਡਲ ਜੋ ਗਣਿਤ ਦੇ ਟੈਸਟ ਵਿੱਚ ਕੁਝ ਫੀਸਦੀ ਵੱਧ ਸਕੋਰ ਕਰਦਾ ਹੈ, ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਉਹ ਤੁਹਾਡੇ ਬ੍ਰਾਂਡ ਦੇ ਖਾਸ ਲਹਿਜੇ ਨੂੰ ਫੜਨ ਜਾਂ ਕਿਸੇ ਗੁੰਝਲਦਾਰ ਕੋਡਬੇਸ ਨੂੰ ਸੰਭਾਲਣ ਵਿੱਚ ਬਹੁਤ ਮਾੜਾ ਹੋਵੇ। ਉਦਯੋਗ ਹੁਣ ਉਸ ਦੌਰ ਤੋਂ ਅੱਗੇ ਨਿਕਲ ਚੁੱਕਾ ਹੈ ਜਿੱਥੇ ਇੱਕ ਸਿੰਗਲ ਕੰਪਨੀ ਹਰ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਸਪੱਸ਼ਟ ਤੌਰ ‘ਤੇ ਅੱਗੇ ਸੀ। ਅੱਜ, ਚੋਣ ਸਮਝੌਤਿਆਂ (trade-offs) ਬਾਰੇ ਹੈ। ਤੁਸੀਂ ਸਪੀਡ, ਲਾਗਤ, ਮੈਮੋਰੀ, ਅਤੇ ਕਿਸੇ ਸਮੱਸਿਆ ਬਾਰੇ ਮਾਡਲ ਦੇ “ਸੋਚਣ” ਦੇ ਖਾਸ ਤਰੀਕੇ ਵਿੱਚੋਂ ਚੋਣ ਕਰ ਰਹੇ ਹੋ। ਸੈਨ ਫਰਾਂਸਿਸਕੋ ਵਿੱਚ ਇੱਕ ਡਿਵੈਲਪਰ ਲਈ ਜੋ ਸਹੀ ਚੋਣ ਹੈ, ਉਹ ਲੰਡਨ ਵਿੱਚ ਇੱਕ ਰਚਨਾਤਮਕ ਏਜੰਸੀ ਜਾਂ ਸਿੰਗਾਪੁਰ ਵਿੱਚ ਇੱਕ ਲੌਜਿਸਟਿਕ ਫਰਮ ਲਈ ਸ਼ਾਇਦ ਹੀ ਸਹੀ ਹੋਵੇ। ਇਹ ਗਾਈਡ ਮਾਰਕੀਟ ਦੀਆਂ ਅਸਲ ਸਥਿਤੀਆਂ ਨੂੰ ਦੇਖਣ ਲਈ ਸਿਰਫ਼ ਰੌਲੇ-ਰੱਪੇ ਤੋਂ ਪਰੇ ਜਾਂਦੀ ਹੈ।

ਮੌਜੂਦਾ ਮਾਰਕੀਟ ਵਿੱਚ ਚਾਰ ਵੱਡੇ ਖਿਡਾਰੀ ਹਾਵੀ ਹਨ ਜੋ ਹਰ ਇੱਕ ਵੱਖਰੀ ਕਿਸਮ ਦੀ ਇੰਟੈਲੀਜੈਂਸ ਪੇਸ਼ ਕਰਦੇ ਹਨ। OpenAI ਆਪਣੇ GPT-4o ਨਾਲ ਸਭ ਤੋਂ ਵੱਧ ਚਰਚਾ ਵਿੱਚ ਹੈ, ਇੱਕ ਅਜਿਹਾ ਮਾਡਲ ਜੋ ਇੱਕ ਮਲਟੀਮੋਡਲ ਅਸਿਸਟੈਂਟ ਵਜੋਂ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ ਜੋ ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ ਦੇਖ, ਸੁਣ ਅਤੇ ਬੋਲ ਸਕਦਾ ਹੈ। ਇਹ ਗਰੁੱਪ ਦਾ ਇੱਕ ਆਲ-ਰਾਊਂਡਰ ਹੈ, ਜੋ ਉੱਚ ਗੁਣਵੱਤਾ ਦੇ ਨਾਲ ਲਗਭਗ ਕਿਸੇ ਵੀ ਕੰਮ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਬਣਾਇਆ ਗਿਆ ਹੈ। Anthropic ਨੇ Claude 3.5 Sonnet ਦੇ ਨਾਲ ਇੱਕ ਵੱਖਰਾ ਰਸਤਾ ਚੁਣਿਆ ਹੈ, ਜੋ ਬਾਰੀਕੀਆਂ, ਕੋਡਿੰਗ ਸਮਰੱਥਾ, ਅਤੇ ਇੱਕ ਵਧੇਰੇ ਮਨੁੱਖੀ ਲਿਖਣ ਸ਼ੈਲੀ ‘ਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ ਜੋ ਰੋਬੋਟਿਕ “AI ਭਾਸ਼ਾ ਮਾਡਲ ਵਜੋਂ” ਵਾਲੇ ਅੰਦਾਜ਼ ਤੋਂ ਬਚਦਾ ਹੈ। Google Gemini 1.5 Pro ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਜੋ ਆਪਣੀ ਵਿਸ਼ਾਲ ਕੰਟੈਕਸਟ ਵਿੰਡੋ ਲਈ ਵੱਖਰਾ ਹੈ ਜੋ ਇਸਨੂੰ ਇੱਕ ਵਾਰ ਵਿੱਚ ਘੰਟਿਆਂ ਦੀ ਵੀਡੀਓ ਜਾਂ ਹਜ਼ਾਰਾਂ ਲਾਈਨਾਂ ਦੇ ਕੋਡ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਅੰਤ ਵਿੱਚ, Meta Llama 3 ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜੋ ਓਪਨ ਵੇਟ ਦੁਨੀਆ ਦਾ ਦਿੱਗਜ ਹੈ, ਜੋ ਕੰਪਨੀਆਂ ਨੂੰ ਕਿਸੇ ਤੀਜੀ ਧਿਰ ਦੇ ਸਰਵਰ ‘ਤੇ ਡੇਟਾ ਭੇਜੇ ਬਿਨਾਂ ਆਪਣੇ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਿਸਟਮ ਚਲਾਉਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਇਹਨਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਮਾਡਲ ਦੀ ਇੱਕ ਖਾਸ ਸ਼ਖਸੀਅਤ ਹੈ ਜੋ ਘੰਟਿਆਂ ਦੀ ਵਰਤੋਂ ਤੋਂ ਬਾਅਦ ਹੀ ਸਪੱਸ਼ਟ ਹੁੰਦੀ ਹੈ। ਤੁਸੀਂ ਸਾਡੇ ਵਿਆਪਕ AI ਰਿਵਿਊਜ਼ ਵਿੱਚ ਹੋਰ ਵੇਰਵੇ ਦੇਖ ਸਕਦੇ ਹੋ ਕਿ ਇਹ ਖਾਸ ਬੈਂਚਮਾਰਕਾਂ ਵਿੱਚ ਕਿਵੇਂ ਤੁਲਨਾ ਕਰਦੇ ਹਨ।

ਇਹਨਾਂ ਚਾਰਾਂ ਵਿੱਚੋਂ ਚੋਣ ਕਰਨ ਲਈ ਉਹਨਾਂ ਦੀਆਂ ਮੁੱਖ ਸ਼ਕਤੀਆਂ ਨੂੰ ਸਮਝਣਾ ਜ਼ਰੂਰੀ ਹੈ। GPT-4o ਮੋਬਾਈਲ ਉਪਭੋਗਤਾਵਾਂ ਅਤੇ ਉਹਨਾਂ ਲਈ ਸ਼ਾਨਦਾਰ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਰੋਜ਼ਾਨਾ ਦੇ ਕੰਮਾਂ ਲਈ ਇੱਕ ਭਰੋਸੇਯੋਗ “ਸਵਿਸ ਆਰਮੀ ਨਾਈਫ” ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। Claude 3.5 Sonnet ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਾਂ ਲਈ ਤੇਜ਼ੀ ਨਾਲ ਪਸੰਦੀਦਾ ਬਣ ਗਿਆ ਹੈ ਕਿਉਂਕਿ ਇਹ ਬਿਨਾਂ ਉਲਝੇ ਗੁੰਝਲਦਾਰ ਹਦਾਇਤਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਰੱਖਦਾ ਹੈ। Gemini 1.5 Pro ਉਹਨਾਂ ਖੋਜਕਰਤਾਵਾਂ ਲਈ ਟੂਲ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਵਿਸ਼ਾਲ ਡੇਟਾਸੈਟਾਂ ਜਾਂ ਲੰਬੇ ਦਸਤਾਵੇਜ਼ਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜੋ ਦੂਜੇ ਮਾਡਲਾਂ ਨੂੰ ਜਾਮ ਕਰ ਸਕਦੇ ਹਨ। Llama 3 ਉਹਨਾਂ ਲਈ ਚੋਣ ਹੈ ਜੋ ਨਿੱਜਤਾ (privacy) ਨੂੰ ਪਹਿਲ ਦਿੰਦੇ ਹਨ ਅਤੇ API ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਦੇ ਵਾਰ-ਵਾਰ ਹੋਣ ਵਾਲੇ ਖਰਚਿਆਂ ਤੋਂ ਬਚਣਾ ਚਾਹੁੰਦੇ ਹਨ। ਇਹ ਮਾਡਲ ਸਿਰਫ਼ ਆਪਣੇ ਨਤੀਜਿਆਂ ਵਿੱਚ ਹੀ ਵੱਖਰੇ ਨਹੀਂ ਹਨ, ਉਹ ਆਪਣੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਅਤੇ ਉਸ ਡੇਟਾ ਵਿੱਚ ਵੀ ਵੱਖਰੇ ਹਨ ਜਿਸ ‘ਤੇ ਉਹਨਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ। ਇਹ ਤਰਕ, ਰਚਨਾਤਮਕਤਾ, ਅਤੇ ਸੁਰੱਖਿਆ ਪਾਬੰਦੀਆਂ ਨੂੰ ਸੰਭਾਲਣ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਕਈ ਤਰ੍ਹਾਂ ਦੇ ਵਿਵਹਾਰਾਂ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ।

• GPT-4o: ਵੌਇਸ ਇੰਟਰਐਕਸ਼ਨ ਅਤੇ ਆਮ ਉਦੇਸ਼ ਦੇ ਕੰਮਾਂ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ।
• Claude 3.5 Sonnet: ਕੋਡਿੰਗ, ਰਚਨਾਤਮਕ ਲਿਖਤ, ਅਤੇ ਬਾਰੀਕ ਤਰਕ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ।
• Gemini 1.5 Pro: ਲੰਬੇ ਕੰਟੈਕਸਟ ਵਾਲੇ ਕੰਮਾਂ ਜਿਵੇਂ ਕਿ ਕਿਤਾਬਾਂ ਜਾਂ ਲੰਬੀਆਂ ਵੀਡੀਓਜ਼ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ।
• Llama 3: ਲੋਕਲ ਡਿਪਲਾਇਮੈਂਟ ਅਤੇ ਡੇਟਾ ਪ੍ਰਭੂਸੱਤਾ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ।

ਇਹਨਾਂ ਮਾਡਲਾਂ ਦਾ ਪ੍ਰਭਾਵ ਪੂਰੀ ਦੁਨੀਆ ਵਿੱਚ ਇੱਕ ਸਮਾਨ ਮਹਿਸੂਸ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ। ਹਾਲਾਂਕਿ ਇਹਨਾਂ ਕੰਪਨੀਆਂ ਦੇ ਹੈੱਡਕੁਆਰਟਰ ਜ਼ਿਆਦਾਤਰ ਸੰਯੁਕਤ ਰਾਜ ਵਿੱਚ ਹਨ, ਪਰ ਇਹਨਾਂ ਦੇ ਉਪਭੋਗਤਾ ਹਰ ਜਗ੍ਹਾ ਹਨ। ਇਹ ਭਾਸ਼ਾ ਅਤੇ ਸੱਭਿਆਚਾਰਕ ਬਾਰੀਕੀਆਂ ਦੇ ਸਬੰਧ ਵਿੱਚ ਇੱਕ ਰੁਕਾਵਟ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਮਾਡਲਾਂ ਨੂੰ ਅੰਗਰੇਜ਼ੀ ਭਾਸ਼ਾ ਦੇ ਵਿਸ਼ਾਲ ਡੇਟਾ ‘ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਜੋ ਉਹਨਾਂ ਦੇ ਸੁਝਾਵਾਂ ਅਤੇ ਵਿਸ਼ਵ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਵਿੱਚ ਪੱਛਮੀ ਪੱਖਪਾਤ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ। ਜਪਾਨ ਜਾਂ ਬ੍ਰਾਜ਼ੀਲ ਦੀ ਇੱਕ ਕੰਪਨੀ ਲਈ, “ਸਭ ਤੋਂ ਵਧੀਆ” ਮਾਡਲ ਅਕਸਰ ਉਹ ਹੁੰਦਾ ਹੈ ਜੋ ਉਹਨਾਂ ਦੀ ਮਾਤ ਭਾਸ਼ਾ ਨੂੰ ਸਭ ਤੋਂ ਕੁਦਰਤੀ ਪ੍ਰਵਾਹ ਨਾਲ ਸੰਭਾਲਦਾ ਹੈ, ਨਾ ਕਿ ਉਹ ਜਿਸਨੇ ਕੈਲੀਫੋਰਨੀਆ ਦੀ ਲੈਬ ਵਿੱਚ ਕੋਈ ਤਰਕ ਦੀ ਬੁਝਾਰਤ ਜਿੱਤੀ ਹੋਵੇ। ਹਾਈ ਲੇਟੈਂਸੀ (latency) ਵੀ ਹੌਲੀ ਇੰਟਰਨੈਟ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਾਲੇ ਖੇਤਰਾਂ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਰੁਕਾਵਟ ਹੋ ਸਕਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਛੋਟੇ ਅਤੇ ਤੇਜ਼ ਮਾਡਲ ਵਿਸ਼ਾਲ ਫਲੈਗਸ਼ਿਪ ਸੰਸਕਰਣਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਆਕਰਸ਼ਕ ਬਣ ਜਾਂਦੇ ਹਨ।

ਲਾਗਤ ਇੱਕ ਹੋਰ ਗਲੋਬਲ ਕਾਰਕ ਹੈ ਜਿਸਨੂੰ ਅਕਸਰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇੱਕ API ਕਾਲ ਦੀ ਕੀਮਤ ਅਮਰੀਕੀ ਡਾਲਰਾਂ ਵਿੱਚ ਸ਼ਾਇਦ ਛੋਟੀ ਲੱਗੇ, ਪਰ ਇੱਕ ਉਭਰਦੀ ਆਰਥਿਕਤਾ ਵਿੱਚ ਇੱਕ ਸਟਾਰਟਅੱਪ ਲਈ, ਉਹ ਖਰਚੇ ਤੇਜ਼ੀ ਨਾਲ ਵੱਧ ਜਾਂਦੇ ਹਨ। ਇੱਥੇ Llama 3 ਵਰਗੇ ਓਪਨ ਵੇਟ ਮਾਡਲ ਇੱਕ ਵੱਡਾ ਫਰਕ ਲਿਆ ਰਹੇ ਹਨ। ਲੋਕਲ ਹੋਸਟਿੰਗ ਦੀ ਇਜਾਜ਼ਤ ਦੇ ਕੇ, ਉਹ ਮਹਿੰਗੇ ਅੰਤਰਰਾਸ਼ਟਰੀ ਭੁਗਤਾਨਾਂ ਦੀ ਜ਼ਰੂਰਤ ਨੂੰ ਖਤਮ ਕਰਦੇ ਹਨ ਅਤੇ ਸਥਿਰਤਾ ਦਾ ਇੱਕ ਅਜਿਹਾ ਪੱਧਰ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ ਜਿਸਦਾ ਕਲਾਉਡ ਅਧਾਰਤ ਮਾਡਲ ਮੁਕਾਬਲਾ ਨਹੀਂ ਕਰ ਸਕਦੇ। ਸਰਕਾਰਾਂ ਵੀ ਇਸ ਵੱਲ ਧਿਆਨ ਦੇ ਰਹੀਆਂ ਹਨ, ਕੁਝ ਦੇਸ਼ “ਸੋਵਰਨ AI” (sovereign AI) ਲਈ ਜ਼ੋਰ ਦੇ ਰਹੇ ਹਨ ਤਾਂ ਜੋ ਇਹ ਯਕੀਨੀ ਬਣਾਇਆ ਜਾ ਸਕੇ ਕਿ ਉਹਨਾਂ ਦਾ ਡੇਟਾ ਅਤੇ ਸੱਭਿਆਚਾਰਕ ਵਿਰਾਸਤ ਕੁਝ ਵਿਦੇਸ਼ੀ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਦੁਆਰਾ ਨਿਯੰਤਰਿਤ ਨਾ ਕੀਤੀ ਜਾਵੇ। ਕਿਸੇ ਮਾਡਲ ਦੀ ਚੋਣ ਇੱਕ ਤਕਨੀਕੀ ਫੈਸਲੇ ਦੇ ਨਾਲ-ਨਾਲ ਇੱਕ ਰਾਜਨੀਤਿਕ ਅਤੇ ਆਰਥਿਕ ਫੈਸਲਾ ਵੀ ਬਣ ਰਹੀ ਹੈ। ਅਸੀਂ ਇੱਕ ਬਦਲਾਅ ਦੇਖ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਦੁਨੀਆ ਦੇ ਕੁਝ ਹਿੱਸਿਆਂ ਵਿੱਚ ਕਿਸੇ ਮਾਡਲ ਨੂੰ ਲੋਕਲ ਤੌਰ ‘ਤੇ ਚਲਾਉਣ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਰਾਸ਼ਟਰੀ ਸੁਰੱਖਿਆ ਦੇ ਮਾਮਲੇ ਵਜੋਂ ਦੇਖਿਆ ਜਾ ਰਿਹਾ ਹੈ।

ਇਹ ਸਮਝਣ ਲਈ ਕਿ ਇਹ ਅਭਿਆਸ ਵਿੱਚ ਕਿਵੇਂ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ, ਇੱਕ ਆਧੁਨਿਕ ਰਚਨਾਤਮਕ ਪੇਸ਼ੇਵਰ ਦੇ ਜੀਵਨ ਦੇ ਇੱਕ ਦਿਨ ‘ਤੇ ਵਿਚਾਰ ਕਰੋ। ਸਵੇਰੇ, ਉਹ ਸਫ਼ਰ ਦੌਰਾਨ ਮੀਟਿੰਗ ਨੂੰ ਟ੍ਰਾਂਸਕ੍ਰਾਈਬ ਕਰਨ ਅਤੇ ਕੰਮ ਦੀਆਂ ਮੁੱਖ ਗੱਲਾਂ ਦਾ ਸਾਰ ਕੱਢਣ ਲਈ ਆਪਣੇ ਫ਼ੋਨ ‘ਤੇ GPT-4o ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਨ। ਵੌਇਸ ਇੰਟਰਫੇਸ ਸੁਚਾਰੂ ਹੈ ਅਤੇ ਸਾਰ ਇੰਨਾ ਸਹੀ ਹੈ ਕਿ ਤੁਰੰਤ ਟੀਮ ਨਾਲ ਸਾਂਝਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਦੁਪਹਿਰ ਤੱਕ, ਉਹ ਇੱਕ ਨਵੀਂ ਵੈੱਬ ਐਪਲੀਕੇਸ਼ਨ ‘ਤੇ ਕੰਮ ਕਰਦੇ ਹੋਏ ਆਪਣੇ ਡੈਸਕ ‘ਤੇ ਵਾਪਸ ਆ ਜਾਂਦੇ ਹਨ। ਉਹ Claude 3.5 Sonnet ‘ਤੇ ਸਵਿਚ ਕਰਦੇ ਹਨ ਕਿਉਂਕਿ ਇਹ ਆਪਣੇ ਪ੍ਰਤੀਯੋਗੀਆਂ ਨਾਲੋਂ ਨਵੀਨਤਮ React ਲਾਇਬ੍ਰੇਰੀਆਂ ਨੂੰ ਬਿਹਤਰ ਸਮਝਦਾ ਹੈ। ਇਹ ਸਾਫ਼ ਕੋਡ ਲਿਖਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਘੱਟ ਸੁਧਾਰਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਡਿਵੈਲਪਰ ਦੇ ਡੀਬਗਿੰਗ ਦੇ ਘੰਟੇ ਬਚਦੇ ਹਨ। ਮਾਡਲ ਇੱਕ ਟੂਲ ਦੀ ਬਜਾਏ ਇੱਕ ਸਾਥੀ ਵਾਂਗ ਮਹਿਸੂਸ ਹੁੰਦਾ ਹੈ। ਬਾਅਦ ਵਿੱਚ ਦੁਪਹਿਰ ਨੂੰ, ਉਹਨਾਂ ਨੂੰ ਇਹ ਦੇਖਣ ਲਈ 500 ਪੰਨਿਆਂ ਦੇ ਰੈਗੂਲੇਟਰੀ ਦਸਤਾਵੇਜ਼ ਦੀ ਖੋਜ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਕਿ ਇਹ ਉਹਨਾਂ ਦੇ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ। ਉਹ ਪੂਰੀ PDF ਨੂੰ Gemini 1.5 Pro ਵਿੱਚ ਪਾ ਦਿੰਦੇ ਹਨ, ਜੋ ਸਕਿੰਟਾਂ ਵਿੱਚ ਪੂਰੀ ਚੀਜ਼ ਨੂੰ ਸਕੈਨ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਉਹ ਤਿੰਨ ਵਾਕ ਲੱਭ ਸਕਦਾ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਮਾਇਨੇ ਰੱਖਦੇ ਹਨ।

ਇਹ ਵਰਕਫਲੋ ਤਿੰਨ ਵੱਖ-ਵੱਖ ਕੰਪਨੀਆਂ ਦੇ ਤਿੰਨ ਵੱਖ-ਵੱਖ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਕੋਈ ਵੀ ਸਿੰਗਲ ਮਾਡਲ ਅਜੇ ਤੱਕ ਹਰ ਚੀਜ਼ ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ ਨਹੀਂ ਹੈ।

ਇਹ ਹਕੀਕਤ ਇੱਕ “ਆਲ-ਇਨ-ਵਨ” AI ਅਸਿਸਟੈਂਟ ਦੇ ਮਾਰਕੀਟਿੰਗ ਵਾਅਦੇ ਦੇ ਉਲਟ ਹੈ। ਅਸਲ ਦੁਨੀਆ ਵਿੱਚ, ਉਪਭੋਗਤਾ ਆਪਣਾ ਕੰਮ ਪੂਰਾ ਕਰਨ ਲਈ ਕਈ ਸਬਸਕ੍ਰਿਪਸ਼ਨਾਂ ਅਤੇ ਇੰਟਰਫੇਸਾਂ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਮਜਬੂਰ ਹਨ। ਇੱਕ ਮਾਰਕੀਟਿੰਗ ਮੈਨੇਜਰ ਹੈੱਡਲਾਈਨਾਂ ਬਣਾਉਣ ਲਈ ਇੱਕ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਵਧੇਰੇ “ਰਚਨਾਤਮਕ” ਹੈ ਅਤੇ ਗਾਹਕ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਦੂਜੇ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਵਧੇਰੇ “ਤਰਕਸ਼ੀਲ” ਹੈ। ਇਹ ਖਿੰਡਾਅ ਇੱਕ ਉੱਚ ਮਾਨਸਿਕ ਬੋਝ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਤੁਹਾਨੂੰ ਯਾਦ ਰੱਖਣਾ ਪੈਂਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਮਾਡਲ ਕੋਲ ਕਿਹੜੀਆਂ ਫਾਈਲਾਂ ਹਨ ਅਤੇ ਕਿਹੜਾ ਖਾਸ ਕੰਮਾਂ ਵਿੱਚ ਬਿਹਤਰ ਹੈ। ਬਹੁਤ ਸਾਰੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ, ਨਤੀਜੇ ਦੀ *ਭਰੋਸੇਯੋਗਤਾ* ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਕਾਰਕ ਹੈ। ਜੇ ਕੋਈ ਮਾਡਲ ਕਿਸੇ ਕਾਨੂੰਨੀ ਬ੍ਰੀਫ ਵਿੱਚ ਕਿਸੇ ਤੱਥ ਬਾਰੇ ਗਲਤ ਜਾਣਕਾਰੀ (hallucination) ਦਿੰਦਾ ਹੈ, ਤਾਂ ਲਿਖਣ ਵਿੱਚ ਬਚਿਆ ਸਮਾਂ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਵਿੱਚ ਖਰਚੇ ਗਏ ਸਮੇਂ ਵਿੱਚ ਗੁਆਚ ਜਾਂਦਾ ਹੈ। ਉਹਨਾਂ ਕੰਪਨੀਆਂ ਲਈ ਦਾਅ ਬਹੁਤ ਉੱਚੇ ਹਨ ਜੋ ਇਹਨਾਂ ਸਾਧਨਾਂ ਨੂੰ ਆਪਣੇ ਗਾਹਕ ਸੇਵਾ ਬੋਟਾਂ ਜਾਂ ਅੰਦਰੂਨੀ ਗਿਆਨ ਭੰਡਾਰਾਂ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਕਰ ਰਹੀਆਂ ਹਨ। ਇੱਕ ਗਲਤ ਜਵਾਬ PR ਤਬਾਹੀ ਜਾਂ ਗਾਹਕ ਦੇ ਨੁਕਸਾਨ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦਾ ਹੈ। ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਬਹੁਤ ਸਾਰੇ ਇੱਕ “ਵੋਟਿੰਗ” ਸਿਸਟਮ ਵਿੱਚ ਕਈ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਚੋਣ ਕਰ ਰਹੇ ਹਨ ਜਿੱਥੇ ਉਹ ਨਤੀਜਾ ਕਿਸੇ ਇਨਸਾਨ ਨੂੰ ਦਿਖਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਦੋ ਜਾਂ ਤਿੰਨ ਵੱਖ-ਵੱਖ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਤੁਲਨਾ ਕਰਦੇ ਹਨ।

ਸਾਨੂੰ ਇਸ ਤਕਨਾਲੋਜੀ ਦੀਆਂ ਲੁਕੀਆਂ ਹੋਈਆਂ ਲਾਗਤਾਂ ਬਾਰੇ ਮੁਸ਼ਕਲ ਸਵਾਲ ਪੁੱਛਣੇ ਚਾਹੀਦੇ ਹਨ। ਇਹਨਾਂ ਡੇਟਾ ਸੈਂਟਰਾਂ ਨੂੰ ਚਲਾਉਣ ਲਈ ਲੋੜੀਂਦੀ ਬਿਜਲੀ ਅਤੇ ਪਾਣੀ ਦੀ ਵਿਸ਼ਾਲ ਮਾਤਰਾ ਲਈ ਅਸਲ ਵਿੱਚ ਕੌਣ ਭੁਗਤਾਨ ਕਰ ਰਿਹਾ ਹੈ? ਜਦੋਂ ਕਿ ਉਪਭੋਗਤਾ ਪ੍ਰਤੀ ਸਵਾਲ ਕੁਝ ਸੈਂਟ ਅਦਾ ਕਰਦਾ ਹੈ, ਵਾਤਾਵਰਣ ਦੀ ਲਾਗਤ ਬਾਹਰੀ ਤੌਰ ‘ਤੇ ਥੋਪੀ ਜਾ ਰਹੀ ਹੈ। ਡੇਟਾ ਦੀ ਮਲਕੀਅਤ ਦਾ ਸਵਾਲ ਵੀ ਹੈ। ਜਦੋਂ ਤੁਸੀਂ ਆਪਣੀ ਕੰਪਨੀ ਦਾ ਨਿੱਜੀ ਰਣਨੀਤੀ ਦਸਤਾਵੇਜ਼ ਕਿਸੇ ਕਲਾਉਡ ਅਧਾਰਤ ਮਾਡਲ ‘ਤੇ ਅਪਲੋਡ ਕਰਦੇ ਹੋ, ਤਾਂ ਕੀ ਤੁਸੀਂ ਅਸਲ ਵਿੱਚ ਜਾਣਦੇ ਹੋ ਕਿ ਉਹ ਡੇਟਾ ਕਿੱਥੇ ਜਾਂਦਾ ਹੈ? ਜ਼ਿਆਦਾਤਰ ਪ੍ਰਦਾਤਾ ਦਾਅਵਾ ਕਰਦੇ ਹਨ ਕਿ ਉਹ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਡੇਟਾ ‘ਤੇ ਸਿਖਲਾਈ ਨਹੀਂ ਦਿੰਦੇ ਹਨ, ਪਰ ਤਕਨੀਕੀ ਉਦਯੋਗ ਦਾ ਇਤਿਹਾਸ ਦੱਸਦਾ ਹੈ ਕਿ “ਆਪਟ ਆਊਟ” ਨੀਤੀਆਂ ਅਕਸਰ ਗੁੰਝਲਦਾਰ ਸੇਵਾ ਦੀਆਂ ਸ਼ਰਤਾਂ ਵਿੱਚ ਦੱਬੀਆਂ ਹੁੰਦੀਆਂ ਹਨ। ਕੀ ਹੁੰਦਾ ਹੈ ਜੇਕਰ ਕੋਈ ਪ੍ਰਦਾਤਾ ਆਪਣੀ ਕੀਮਤ ਬਦਲਣ ਦਾ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਜਾਂ ਕਿਸੇ API ਨੂੰ ਬੰਦ ਕਰ ਦਿੰਦਾ ਹੈ ਜਿਸ ‘ਤੇ ਤੁਹਾਡਾ ਪੂਰਾ ਵਰਕਫਲੋ ਨਿਰਭਰ ਕਰਦਾ ਹੈ? ਇਹਨਾਂ ਕੁਝ ਕੰਪਨੀਆਂ ‘ਤੇ ਅਸੀਂ ਜੋ ਨਿਰਭਰਤਾ ਬਣਾ ਰਹੇ ਹਾਂ ਉਹ ਇੱਕ ਅਜਿਹਾ ਜੋਖਮ ਹੈ ਜਿਸਦਾ ਬਹੁਤ ਸਾਰੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਅੰਦਾਜ਼ਾ ਨਹੀਂ ਲਗਾ ਰਹੇ ਹਨ। ਕੀ ਇਹ ਸਮਝਦਾਰੀ ਹੈ ਕਿ ਇੱਕ ਸਿੰਗਲ ਐਲਗੋਰਿਦਮ ਨੂੰ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਦਿੱਤਾ ਜਾਵੇ ਕਿ ਤੁਹਾਡੇ ਕਰਮਚਾਰੀ ਕਿਵੇਂ ਲਿਖਦੇ ਹਨ, ਕੋਡ ਕਰਦੇ ਹਨ ਅਤੇ ਸੋਚਦੇ ਹਨ? ਇਹ ਸਿਰਫ਼ ਤਕਨੀਕੀ ਸਮੱਸਿਆਵਾਂ ਨਹੀਂ ਹਨ, ਇਹ ਕਾਰਪੋਰੇਟ ਖੁਦਮੁਖਤਿਆਰੀ ਅਤੇ ਨੈਤਿਕਤਾ ਦੇ ਸਵਾਲ ਹਨ ਜੋ ਆਉਣ ਵਾਲੇ ਸਾਲਾਂ ਤੱਕ ਅਣਸੁਲਝੇ ਰਹਿਣਗੇ।

ਕੀ ਤੁਹਾਡੇ ਕੋਲ ਕੋਈ AI ਕਹਾਣੀ, ਟੂਲ, ਰੁਝਾਨ ਜਾਂ ਸਵਾਲ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਸਾਨੂੰ ਕਵਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ? ਸਾਨੂੰ ਆਪਣਾ ਲੇਖ ਦਾ ਵਿਚਾਰ ਭੇਜੋ — ਅਸੀਂ ਇਸਨੂੰ ਸੁਣਨਾ ਪਸੰਦ ਕਰਾਂਗੇ।

ਪਾਵਰ ਉਪਭੋਗਤਾਵਾਂ ਅਤੇ ਡਿਵੈਲਪਰਾਂ ਲਈ, ਚੋਣ ਅਕਸਰ ਤਕਨੀਕੀ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ‘ਤੇ ਆ ਜਾਂਦੀ ਹੈ। API ਸੀਮਾਵਾਂ ਨਿਰਾਸ਼ਾ ਦਾ ਇੱਕ ਨਿਰੰਤਰ ਸਰੋਤ ਹਨ। OpenAI ਅਤੇ Anthropic ਦੀਆਂ ਸਖ਼ਤ ਰੇਟ ਲਿਮਿਟਾਂ ਹਨ ਜੋ ਬਿਨਾਂ ਕਿਸੇ ਚੇਤਾਵਨੀ ਦੇ ਵਧ ਰਹੀ ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਰੋਕ ਸਕਦੀਆਂ ਹਨ। Google ਦਾ Gemini ਫਿਲਹਾਲ ਇੱਕ ਵਧੇਰੇ ਉਦਾਰ ਪਹੁੰਚ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ, ਪਰ ਇਹ ਬਦਲ ਸਕਦਾ ਹੈ ਕਿਉਂਕਿ ਉਹ ਆਪਣੇ ਵਿਸ਼ਾਲ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਤੋਂ ਪੈਸਾ ਕਮਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ। ਫਿਰ ਲੋਕਲ ਸਟੋਰੇਜ ਦਾ ਮੁੱਦਾ ਹੈ। ਜੇ ਤੁਸੀਂ ਇੱਕ ਅਜਿਹੀ ਐਪ ਬਣਾ ਰਹੇ ਹੋ ਜਿਸਨੂੰ ਆਫਲਾਈਨ ਜਾਂ ਉੱਚ ਸੁਰੱਖਿਆ ਵਾਲੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਕੰਮ ਕਰਨ ਦੀ ਲੋੜ ਹੈ, ਤਾਂ ਤੁਸੀਂ Llama 3 ਜਾਂ Mistral ਵਰਗੇ ਮਾਡਲਾਂ ਤੱਕ ਸੀਮਿਤ ਹੋ ਜਿਨ੍ਹਾਂ ਨੂੰ ਲੋਕਲ ਸਰਵਰ ‘ਤੇ ਚਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਲਈ ਹਾਰਡਵੇਅਰ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਨਿਵੇਸ਼ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਖਾਸ ਤੌਰ ‘ਤੇ NVIDIA ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਦੇ ਉੱਚ-ਪੱਧਰੀ GPU। ਸਮਝੌਤਾ ਇੱਕ ਕਲਾਉਡ API ਦੀ ਸੌਖ ਅਤੇ ਲੋਕਲ ਸੈੱਟਅੱਪ ਦੇ ਨਿਯੰਤਰਣ ਵਿਚਕਾਰ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਪਾਵਰ ਉਪਭੋਗਤਾ ਇਹ ਪਾ ਰਹੇ ਹਨ ਕਿ ਇੱਕ ਹਾਈਬ੍ਰਿਡ ਪਹੁੰਚ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ, ਭਾਰੀ ਕੰਮਾਂ ਲਈ ਕਲਾਉਡ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਅਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਜਾਂ ਦੁਹਰਾਉਣ ਵਾਲੇ ਕੰਮਾਂ ਲਈ ਲੋਕਲ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਜਿਨ੍ਹਾਂ ਲਈ ਉੱਚ ਪੱਧਰੀ ਤਰਕ ਦੀ ਲੋੜ ਨਹੀਂ ਹੁੰਦੀ।

ਵਰਕਫਲੋ ਏਕੀਕਰਣ ਅਗਲੀ ਵੱਡੀ ਰੁਕਾਵਟ ਹੈ। ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਮਾਡਲ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨਾ ਇੱਕ ਗੱਲ ਹੈ, ਪਰ ਉਸ ਮਾਡਲ ਦਾ ਤੁਹਾਡੇ ਕੋਡ ਐਡੀਟਰ ਜਾਂ ਤੁਹਾਡੇ ਪ੍ਰੋਜੈਕਟ ਮੈਨੇਜਮੈਂਟ ਟੂਲ ਦੇ ਅੰਦਰ ਹੋਣਾ ਦੂਜੀ ਗੱਲ ਹੈ। “ਈਕੋਸਿਸਟਮ ਫਿੱਟ” ਚੋਣ ਦਾ ਮੁੱਖ ਕਾਰਕ ਬਣ ਰਿਹਾ ਹੈ। ਜੇ ਤੁਹਾਡੀ ਕੰਪਨੀ ਪਹਿਲਾਂ ਹੀ Google Workspace ਵਿੱਚ ਡੂੰਘੀ ਹੈ, ਤਾਂ Gemini ਕੁਦਰਤੀ ਚੋਣ ਹੈ ਕਿਉਂਕਿ ਇਹ ਤੁਹਾਡੀਆਂ ਈਮੇਲਾਂ ਅਤੇ ਕੈਲੰਡਰ ਨੂੰ ਦੇਖ ਸਕਦਾ ਹੈ। ਜੇ ਤੁਸੀਂ GitHub ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲੇ ਡਿਵੈਲਪਰ ਹੋ, ਤਾਂ Copilot ਦੇ ਨਾਲ ਏਕੀਕਰਣ GPT-4o ਨੂੰ ਡਿਫੌਲਟ ਬਣਾਉਂਦਾ ਹੈ। ਅਸੀਂ ਦੇਖ ਰਹੇ ਹਾਂ ਕਿ ਅਤੀਤ ਦੇ “ਵਾਲਡ ਗਾਰਡਨ” (walled gardens) AI ਮਾਡਲਾਂ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਦੁਬਾਰਾ ਬਣਾਏ ਜਾ ਰਹੇ ਹਨ। ਇਹ ਛੋਟੇ, ਸ਼ਾਇਦ ਬਿਹਤਰ, ਮਾਡਲਾਂ ਲਈ ਪੈਰ ਜਮਾਉਣਾ ਔਖਾ ਬਣਾਉਂਦਾ ਹੈ ਕਿਉਂਕਿ ਉਹਨਾਂ ਕੋਲ ਤਕਨੀਕੀ ਦਿੱਗਜਾਂ ਵਰਗੀ ਵੰਡ ਪ੍ਰਣਾਲੀ ਨਹੀਂ ਹੈ। ਤਕਨੀਕੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਕਿ ਜਦੋਂ ਕਿ ਮਾਡਲ ਚੁਸਤ ਹੋ ਰਹੇ ਹਨ, ਅਸਲ ਲੜਾਈ ਇਸ ਗੱਲ ‘ਤੇ ਹੈ ਕਿ ਉਸ ਇੰਟਰਫੇਸ ਨੂੰ ਕੌਣ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਅਸਲ ਵਿੱਚ ਕੰਮ ਹੁੰਦਾ ਹੈ।

ਸਿੱਧੀ ਗੱਲ ਇਹ ਹੈ ਕਿ ਕੋਈ ਵੀ “ਸਭ ਤੋਂ ਵਧੀਆ” ਮਾਡਲ ਨਹੀਂ ਹੈ, ਸਿਰਫ਼ ਤੁਹਾਡੀਆਂ ਖਾਸ ਲੋੜਾਂ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਡਲ ਹੈ। ਜੇ ਤੁਹਾਨੂੰ ਇੱਕ ਰਚਨਾਤਮਕ ਲਿਖਣ ਵਾਲੇ ਸਾਥੀ ਦੀ ਲੋੜ ਹੈ ਜੋ ਮਨੁੱਖੀ ਮਹਿਸੂਸ ਹੋਵੇ, ਤਾਂ Claude ਚੁਣੋ। ਜੇ ਤੁਹਾਨੂੰ ਇੱਕ ਮੋਬਾਈਲ ਅਸਿਸਟੈਂਟ ਦੀ ਲੋੜ ਹੈ ਜੋ ਤੁਹਾਡੇ ਕੈਮਰੇ ਰਾਹੀਂ ਦੁਨੀਆ ਨੂੰ ਦੇਖ ਸਕੇ, ਤਾਂ GPT-4o ਚੁਣੋ। ਜੇ ਤੁਸੀਂ ਵਿਸ਼ਾਲ ਦਸਤਾਵੇਜ਼ਾਂ ਨਾਲ ਨਜਿੱਠ ਰਹੇ ਹੋ ਜਿਨ੍ਹਾਂ ਲਈ ਬਹੁਤ ਜ਼ਿਆਦਾ ਮੈਮੋਰੀ ਦੀ ਲੋੜ ਹੈ, ਤਾਂ Gemini ਹੀ ਇੱਕੋ ਇੱਕ ਅਸਲੀ ਵਿਕਲਪ ਹੈ। ਅਤੇ ਜੇ ਤੁਸੀਂ ਇੱਕ ਡਿਵੈਲਪਰ ਹੋ ਜਿਸਨੂੰ ਆਪਣੀਆਂ ਮਸ਼ੀਨਾਂ ‘ਤੇ ਡੇਟਾ ਰੱਖਣ ਦੀ ਜ਼ਰੂਰਤ ਹੈ, ਤਾਂ Llama 3 ਤੁਹਾਡਾ ਮੁੱਖ ਉਮੀਦਵਾਰ ਹੈ। ਜੋ ਉਲਝਣ ਤੁਸੀਂ ਮਹਿਸੂਸ ਕਰਦੇ ਹੋ ਉਹ ਇੱਕ ਅਜਿਹੀ ਮਾਰਕੀਟ ਦਾ ਨਤੀਜਾ ਹੈ ਜੋ ਸਾਡੀ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਨਾਲੋਂ ਤੇਜ਼ੀ ਨਾਲ ਅੱਗੇ ਵਧ ਰਹੀ ਹੈ। ਸਭ ਤੋਂ ਉੱਚੇ ਬੈਂਚਮਾਰਕ ਦੇ ਪਿੱਛੇ ਭੱਜਣਾ ਬੰਦ ਕਰੋ ਅਤੇ ਇਹਨਾਂ ਸਾਧਨਾਂ ਨੂੰ ਆਪਣੀਆਂ ਅਸਲ ਰੋਜ਼ਾਨਾ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ‘ਤੇ ਪਰਖਣਾ ਸ਼ੁਰੂ ਕਰੋ। ਕੀਮਤ, ਸਪੀਡ ਅਤੇ ਸ਼ੈਲੀ ਵਿੱਚ ਅੰਤਰ ਅਸਲੀ ਹਨ, ਅਤੇ ਇਹ ਉਦੋਂ ਹੀ ਹੋਰ ਸਪੱਸ਼ਟ ਹੋਣਗੇ ਜਦੋਂ ਇਹ ਕੰਪਨੀਆਂ ਹਰ ਚੀਜ਼ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨਾ ਬੰਦ ਕਰ ਦੇਣਗੀਆਂ ਅਤੇ ਉਸ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਨਗੀਆਂ ਜੋ ਉਹ ਸਭ ਤੋਂ ਵਧੀਆ ਕਰਦੀਆਂ ਹਨ।

Nota do editor: Criamos este site como um centro de notícias e guias de IA multilíngue para pessoas que não são geeks de computador, mas que ainda querem entender a inteligência artificial, usá-la com mais confiança e acompanhar o futuro que já está chegando.

ਕੋਈ ਗਲਤੀ ਮਿਲੀ ਜਾਂ ਕੁਝ ਠੀਕ ਕਰਨ ਦੀ ਲੋੜ ਹੈ? ਸਾਨੂੰ ਦੱਸੋ।