ஒரு நாளில் ஒரு கோடி டோக்கன்கள் எரிக்கப்படுகிறதா? புரோகிராமர்களின் AI பில்கள், சோம்பேறிகளைத் தண்டிக்கின்றன

2/13/2026
8 min read

இலக்கு வாசகர்கள்: Cursor, Windsurf, trae போன்ற AI நிரலாக்க கருவிகளைப் பயன்படுத்தும் டெவலப்பர்கள் மற்றும் AI செலவுகள் பற்றிய அறிவில்லாத தொழில்நுட்ப மேலாளர்கள்.

முக்கிய கருத்து: டோக்கன் என்பது ஒரு எளிய கட்டண அலகு மட்டுமல்ல, அது ஒரு "கவன ஆதாரமும்" மற்றும் "கணினி சக்தி நாணயமும்" ஆகும். முகவர் முறையைத் தவறாகப் பயன்படுத்துதல் மற்றும் சூழல் நிர்வாகத்தை புறக்கணித்தல் என்பது தந்திரோபாய ரீதியான கடின உழைப்பைப் பயன்படுத்துவதாகும் (AI ஐ கண்மூடித்தனமாகத் தள்ளுவது) மூலோபாய சோம்பேறித்தனத்தை மறைக்க (சிந்திக்காமல் இருப்பது).

உங்கள் "AI செலவு" உங்கள் சம்பளத்தை விட அதிகமாக இருக்கலாம்

சில நாட்களுக்கு முன்பு, எனது டோக்கன் பில்களைப் பார்த்தேன். அந்த எண்ணைப் பார்த்தபோது, நான் கொஞ்சம் ஆச்சரியப்பட்டேன்: 10 மில்லியன் டோக்கன்கள். இது ஒரு மாத பயன்பாடு அல்ல, இது ஒரு நாள் என்பதை நினைவில் கொள்க.

இது மிகவும் மோசமானது என்று நினைத்தேன். பின்னர் நான் டோக்கன் கணக்கீடு தொடர்பான குறுகிய வீடியோவை வெளியிட்டேன்.

விளைவாக, கருத்துப் பகுதி எனக்கு "வானத்திற்கு மேலே வானம்" என்றால் என்ன என்பதைக் காட்டியது.

கீழே உள்ள படம் பயனர் "Old K's Daily Life" இன் ஒரு நாள் இரண்டு கோடி டோக்கன் நுகர்வு பதிவின் ஸ்கிரீன்ஷாட் ஆகும்:

முதலில் இது ஒரு தனி நிகழ்வாக இருக்கலாம் என்று நினைத்தேன், ஆனால் பல நெட்டிசன்கள் ஒரு நாளைக்கு ஒரு கோடி நுகர்வு இருப்பதாகக் கூறியபோது, இது மிகவும் பொதுவான நிகழ்வு என்பதை நான் உணர்ந்தேன்.

ஒரு கோடி டோக்கன்கள் என்றால் என்ன? "சில முக்கிய வணிக மாதிரிகள்" பொதுவான கட்டண அளவை (உள்ளீடு/வெளியீடு தனித்தனியாக வசூலிக்கப்படுகிறது, தோராயமாக 10 டாலர் / மில்லியன் டோக்கன்கள் என மதிப்பிடப்படுகிறது) கணக்கிட்டால், இந்த ஒரு நாளில் 1000 டாலர்கள் எரிக்கப்படுகின்றன. ஒரு நாளில் 7000 யுவான் எரிக்கப்படுகின்றன. பல ஜூனியர் புரோகிராமர்களின் ஒரு மாத சம்பளம் கூட AI "சிந்திக்க" இந்த ஒரு நாளுக்கு போதுமானதாக இருக்காது.

(குறிப்பு: வெவ்வேறு மாதிரிகள்/வழங்குநர்களின் விலைகள் மிகவும் வேறுபட்டவை, மேலும் உள்ளீடு மற்றும் வெளியீட்டின் அலகு விலையும் அடிக்கடி வேறுபடுகிறது. இங்கே நோக்கம் தசம புள்ளிக்கு துல்லியமாக கணக்கிடுவது அல்ல, ஆனால் முதலில் "அளவு உணர்வை" நிறுவுவதாகும்.)

நீங்கள் அதை நீங்களே மறு கணக்கிட விரும்பினால், பொதுவாக இது ஒரு சூத்திரம் (சேமிப்பு/தள்ளுபடி போன்ற சிறப்பு விதிகளை புறக்கணிக்கவும்): செலவு ≈ (உள்ளீடு டோக்கன்கள் / 1,000,000) × விலை_உள்ளீடு + (வெளியீடு டோக்கன்கள் / 1,000,000) × விலை_வெளியீடு

இது மிகவும் உள்ளுணர்வு இல்லாதது. AI மலிவானது என்று நாங்கள் எப்போதும் நினைக்கிறோம், OpenAI விலைகளைக் குறைக்க கூட உள்ளது. ஆனால் உண்மையான பொறியியலில், டோக்கன்களின் நுகர்வு ஏன் அதிவேகமாக வெடிக்கிறது?

இன்று, இந்த "டோக்கன் கருந்துளைக்கு" பின்னால் உள்ள தர்க்கத்தை ஆழமாகப் பிரிப்போம், மேலும் நாங்கள் எவ்வாறு இழப்புகளை நிறுத்தலாம்.

I. டோக்கன்கள் ஏன் "அதிவேகமாக வெடிக்கின்றன"?

பல சகோதரர்களுக்கு டோக்கன்களின் அளவு பற்றிய எந்த கருத்தும் இல்லை. அவர்கள் நினைக்கிறார்கள்: "ஆஹா, அது சில குறியீடு துண்டுகளை அனுப்புவது தானே? எவ்வளவு இருக்க முடியும்?"

1. ஒரு தெளிவான கணக்கை கணக்கிடுங்கள்

முதலில், பொறியியல் ரீதியாக பயனுள்ள அளவு உணர்வை நிறுவுவோம். முதலில் அதை தெளிவாகச் சொல்வோம்: டோக்கன் என்பது வார்த்தைகளின் எண்ணிக்கை அல்ல, எழுத்துக்களின் எண்ணிக்கையும் அல்ல. இது மாதிரி உரையை பிரித்த பிறகு "குறியீட்டு துண்டு", வெவ்வேறு மாதிரிகள் வெவ்வேறு டோக்கனைசர்களைப் பயன்படுத்துகின்றன, எனவே வரம்பை மட்டுமே கொடுக்க முடியும், "எல்லா இடங்களிலும் பொருந்தக்கூடிய" மாறிலியை அல்ல.

கீழே உள்ள எண்களை "மதிப்பீட்டு அளவுகோலாக" கருதுங்கள் (அளவு தீர்மானிக்க, செலவுகளை மதிப்பிட மற்றும் இழப்பு முடிவுகளை எடுக்க):

  • 1 சீன எழுத்து: பொதுவாக 1-2 டோக்கன்கள் (அதிக அதிர்வெண் எழுத்துக்கள் 1 க்கு நெருக்கமாக இருக்கும், அரிதான எழுத்துக்கள்/சேர்க்கைகள் 2-3 ஐ அடைய எளிதாக இருக்கும்)

  • 1 ஆங்கில வார்த்தை: பொதுவாக சுமார் 1.2-1.5 டோக்கன்கள் (தோராயமான மதிப்பீட்டிற்கு 1.3 ஐப் பயன்படுத்தலாம்)

  • 1 வரி குறியீடு ≈ 10-50 டோக்கன்கள் (உள்ளடக்கம், கருத்துகள், வகை அறிவிப்புகள்)

  • சுருக்கமான வணிக தர்க்கம் ≈ 12-20 டோக்கன்கள்

  • வகை சிறுகுறிப்புகள், இடைமுகம், JSDoc, 4-இடைவெளி உள்ளடக்கத்துடன் ≈ 20-35 டோக்கன்கள்

  • நிறைய இறக்குமதி / அலங்கரிப்பவர்கள் / கருத்துகளுடன் ≈ 30-50+ டோக்கன்கள்

  • 1 மூல கோப்பு (400-600 வரிகள், நவீன TS/Java திட்டம்) ≈ 4,000-24,000 டோக்கன்கள் மிகவும் பொதுவானது (நடுத்தர ≈ 12,000-18,000)

  • 1 நடுத்தர அளவிலான திட்டம் (100-200 மூல கோப்புகள், src/ மட்டும் கணக்கிடப்படுகிறது, node_modules/ / உருவாக்கப்பட்ட குறியீடு அல்ல)

  • முக்கிய மூலக் குறியீட்டை "ஒரு முறை படிப்பது" பெரும்பாலும் மில்லியன் டோக்கன்களிலிருந்து தொடங்குகிறது

  • சோதனை, கட்டமைப்பு, ஸ்கிரிப்டுகள், சார்பு அறிவிப்புகள் மற்றும் பதிவுகள் அனைத்தையும் சேர்த்தால், ஒரு கோடி டோக்கன்கள் ஆச்சரியப்படுவதற்கில்லை

இப்போதைய முன்-இறுதி திட்டங்கள் அனைத்தும் TypeScript, சிக்கலான இடைமுக வரையறைகள் நிறைந்துள்ளன; அல்லது Java, ஒவ்வொரு முறையும் டஜன் கணக்கான வரிகளை இறக்குமதி செய்கின்றன. இந்த "தட்டு குறியீடு" உண்மையில் டோக்கன் கொலையாளிகள். ஒரு நடுத்தர அளவிலான திட்டத்தில் 100 கோப்புகள் இருந்தால், AI "குறியீட்டைப் படிக்க" அனுமதிப்பது 1 மில்லியன் டோக்கன்களை நேரடியாகக் கொல்லக்கூடும்.

2. டோக்கன்களின் "பனிப்பந்து" விளைவு

டோக்கன் நுகர்வு மிகவும் பயங்கரமானது ஒரு முறை உரையாடல் அல்ல, ஆனால் பல சுற்று உரையாடல்களில் சூழல் குவிதல்.

LLM இன் பொறிமுறையானது நிலை இல்லாதது. AI நீங்கள் கடைசியாக என்ன சொன்னீர்கள் என்பதை நினைவில் கொள்ள, கணினி பொதுவாக "கணினி தூண்டுதல் + வரலாற்று உரையாடல் + நீங்கள் மேற்கோள் காட்டிய கோப்புகள்/குறியீடு துண்டுகள் + கருவி அழைப்பு வெளியீடு (எடுத்துக்காட்டாக, தேடல் முடிவுகள், பிழை பதிவுகள்)" ஆகியவற்றை ஒன்றாக தொகுத்து மாதிரிக்கு அனுப்புகிறது. நீங்கள் ஒரு கேள்வி மட்டுமே கேட்டீர்கள் என்று நினைக்கிறீர்கள், ஆனால் உண்மையில் நீங்கள் "முழு சூழல் தொகுப்பிற்கும்" மீண்டும் மீண்டும் பணம் செலுத்துகிறீர்கள்.

  • சுற்று 1: 10,000 டோக்கன்களை அனுப்பவும், AI 1,000 பதிலளிக்கிறது.

  • சுற்று 2: (10,000 + 1,000 + புதிய கேள்வி) அனுப்பவும், AI பதிலளிக்கிறது...

  • சுற்று 10: உங்கள் சூழல் ஏற்கனவே 200,000 டோக்கன்களாக விரிவடைந்திருக்கலாம்.

இந்த நேரத்தில், நீங்கள் "மாறி பெயரை மாற்ற எனக்கு உதவுங்கள்" என்று கேட்டாலும், அது 200,000 டோக்கன்களின் செலவாகும். அதனால்தான் நீங்கள் எதுவும் செய்யவில்லை என்று உணர்கிறீர்கள், ஆனால் பில் உயர்ந்து வருகிறது.

இன்னும் மோசமானது: முகவர் முறை "கோப்புகளை தானாகவே படிக்கும்". நீங்கள் "பயனர் தொகுதியை மேம்படுத்த எனக்கு உதவுங்கள்" என்று சொன்னால், அது முதலில் தொடர்புடைய கோப்பகத்தை ஸ்கேன் செய்யலாம், பின்னர் சார்புகளைத் துரத்தலாம், பின்னர் உள்ளமைவைத் துரத்தலாம், பின்னர் சோதனையைத் துரத்தலாம்... அது சோம்பேறித்தனமாக இல்லை, அது "இயல்புநிலை மூலோபாயத்தின்படி கடமையுடன்" உள்ளது, மேலும் இயல்புநிலை மூலோபாயம் பெரும்பாலும்: அதிகமாகப் படிக்கவும், அதிகமாக முயற்சிக்கவும், அதிகமாக மீண்டும் செய்யவும்.

II. இரண்டு வகையான "சோம்பேறித்தனம்" உங்கள் பொறியியல் திறனை அழிக்கிறது

கருத்துப் பகுதியில் உள்ள அந்த "ஒரு கோடி சகோதரர்களை" மறுபரிசீலனை செய்த பிறகு, டோக்கன் வெடிப்பின் வேர் AI இன் நுகர்வு பொறிமுறையில் மட்டுமல்ல, மக்களின் சோம்பேறித்தனத்திலும் நெருக்கமாக தொடர்புடையது என்பதை நான் கண்டறிந்தேன்.

கீழே இரண்டு பொதுவான "சிந்தனை சோம்பேறித்தனம்" உள்ளன.

சோம்பேறித்தனம் ஒன்று: கைகளை வீசும் வகை

உங்களிடம் இந்த மனநிலை இருக்கிறதா:

  • "இந்த பழைய திட்டம் மிகவும் குழப்பமாக உள்ளது, தர்க்கத்தைப் பார்க்க நான் சோம்பேறியாக இருக்கிறேன், அதை நேரடியாக AI க்கு வீசுவோம்."

  • "Cursor ஒரு முகவர் முறையை வெளியிட்டது, மிகவும் நல்லது, அது பிழையை சரிசெய்யட்டும்."

எனவே, நீங்கள் முழு src கோப்புறையையும் முகவருக்கு வீசி, ஒரு தெளிவற்ற அறிவுறுத்தலைக் கொடுக்கிறீர்கள்: "பயனர் தொகுதியை மேம்படுத்த எனக்கு உதவுங்கள்." முகவர் வேலை செய்யத் தொடங்குகிறார்:

  • இது 50 கோப்புகளைப் படிக்கிறது (500,000 ஐ நுகர்கிறது).

  • இது utils ஐ மேற்கோள் காட்டியதைக் கண்டறிந்து, கருவி வகுப்பைப் படிக்கச் செல்கிறது (200,000 ஐ நுகர்கிறது).

  • இது மாற்ற முயற்சிக்கிறது, பிழை ஏற்படுகிறது, பிழை பதிவைப் படிக்கிறது (100,000 ஐ நுகர்கிறது).

  • இது சரிசெய்ய முயற்சிக்கிறது, மீண்டும் பிழை ஏற்படுகிறது...

இது வெறித்தனமாக முயற்சி செய்து, வெறித்தனமாக டோக்கன்களை நுகர்கிறது. நீ என்ன செய்கிறாய்? நீங்கள் உங்கள் மொபைலை ஸ்க்ரோல் செய்கிறீர்கள், நீங்கள் மிகவும் திறமையானவர் என்று நினைக்கிறீர்கள். உண்மை என்னவென்றால்: நீங்கள் பணத்திற்காக "போலி செயல்திறனை" வர்த்தகம் செய்தீர்கள், மேலும் நீங்கள் பின்னர் பராமரிக்க முடியாத குறியீட்டின் குவியலை உருவாக்கினீர்கள்.

மேலும் தொழில்ரீதியாகச் சொன்னால், இங்கே இரண்டு அடுக்கு இழப்புகள் உள்ளன:

  • செலவு அடுக்கு: உள்ளீடு டோக்கன்கள் பெரியதாகின்றன, மறு செய்கைகளின் எண்ணிக்கை அதிகரிக்கிறது, மேலும் கட்டணங்கள் நேரியலாக சேர்க்கப்படுகின்றன

  • பொறியியல் அடுக்கு: நீங்கள் சூழல் மற்றும் முடிவெடுக்கும் உரிமையை இழக்கிறீர்கள், கடைசியாக "இயங்க முடிந்தால் போதும்" என்ற கட்டுப்பாடற்ற அமைப்பு மட்டுமே உள்ளது

சோம்பேறித்தனம் இரண்டு: சேறும் சகதியுமாக

பிழையை எதிர்கொள்ளும்போது, நீங்கள் அதை AI க்கு எப்படி வீசுகிறீர்கள்? நீங்கள் நேரடியாக முழு பிழை கன்சோலையும் Ctrl+A நகலெடுக்கிறீர்களா, அல்லது AI தன்னைத்தானே கண்டுபிடிக்க @Codebase ஐப் பயன்படுத்துகிறீர்களா?

இது "சேறும் சகதியுமாக" என்று அழைக்கப்படுகிறது. சிக்கலின் மையத்தை கண்டுபிடிக்க நீங்கள் சோம்பேறியாக இருக்கிறீர்கள், முக்கியமான குறியீடு துண்டுகளை வடிகட்ட நீங்கள் சோம்பேறியாக இருக்கிறீர்கள். நீங்கள் 99% செல்லாத தகவல்களை (சத்தம்) மற்றும் 1% செல்லுபடியாகும் தகவல்களை (சிக்னல்) AI க்கு வீசுகிறீர்கள்.

AI ஒரு பெருக்கி போன்றது.

  • நீங்கள் அவருக்கு தெளிவான தர்க்கத்தை (சிக்னல்) கொடுத்தால், அது உங்கள் ஞானத்தை பெரிதாக்குகிறது, டோக்கன்கள் குறைவாகப் பயன்படுத்தப்படுகின்றன, மேலும் விளைவு நல்லது.

  • நீங்கள் அவருக்கு குழப்பத்தையும் தெளிவின்மையையும் கொடுத்தால், அது உங்கள் குழப்பத்தை பெரிதாக்குகிறது, டோக்கன்கள் உயர்ந்து, குப்பைகளை உற்பத்தி செய்கின்றன.

III. தீர்வு: AI ஐ எவ்வாறு திறமையாகப் பயன்படுத்துவது மற்றும் டோக்கன் நுகர்வுகளைக் குறைப்பது

உங்கள் பணப்பையை பாதுகாக்க, உங்கள் பொறியியல் கட்டுப்பாட்டை பாதுகாப்பது மிகவும் முக்கியமானது, AI உடன் எங்கள் ஒத்துழைப்பு முறையை மாற்ற வேண்டும்.

1. குறைந்தபட்ச சூழல் கொள்கை

இது AI நிரலாக்கத்தின் முதல் கொள்கை. தற்போதைய சிக்கலைத் தீர்ப்பதற்கு தொடர்புடைய குறைந்தபட்ச குறியீடு தொகுப்பை AI க்கு எப்போதும் கொடுங்கள்.

Cursor இல், இந்த ஆபரேட்டர்களைப் பயன்படுத்திக் கொள்ளுங்கள்:

  • @File: முழு கோப்புறையையும் விட தொடர்புடைய கோப்புகளை மட்டும் மேற்கோள் காட்டுங்கள்.

  • Ctrl+L** குறியீட்டைத் தேர்ந்தெடுக்கவும்**: முழு கோப்பையும் விட கர்சர் தேர்ந்தெடுத்த 50 வரிக் குறியீட்டை மட்டும் அரட்டைக்கு அனுப்பவும்.

  • @Docs: மூன்றாம் தரப்பு நூலகங்களுக்கு, அதை யூகிக்க விடாமல் ஆவணங்களை மேற்கோள் காட்டுங்கள்.

இது நான் அடிக்கடி பயன்படுத்தும், கட்டமைக்கப்பட்ட, மீண்டும் பயன்படுத்தக்கூடிய SOP (நீங்கள் அதைச் செய்தால், டோக்கன்கள் கண்ணுக்குத் தெரியும் வகையில் குறையும்):

இந்த வார்த்தைகளின் பொருள்: AI உடன் ஒத்துழைக்கும்போது, செயல்திறன் மற்றும் துல்லியத்திற்கு கவனம் செலுத்த வேண்டும். குறிப்பிட்ட நடைமுறைகள் பின்வருமாறு:

  • முதலில் இலக்கை தெளிவுபடுத்துங்கள்: தற்போதைய சிக்கல் மற்றும் விரும்பிய முடிவை AI க்கு சுருக்கமாகவும் சுருக்கமாகவும் சொல்லுங்கள், அதை யூகிக்க விடாதீர்கள்.

  • சிக்கல் இனப்பெருக்கத்தை ஒழுங்குபடுத்துங்கள்: சிக்கலை மீண்டும் உருவாக்க எளிய முறையைப் பயன்படுத்த முடிந்தால், சிக்கலான முறையைப் பயன்படுத்த வேண்டாம், குறைந்தபட்சம் மற்றும் முக்கியமான குறியீட்டை ஒட்டவும், நிறைய தொடர்பில்லாத உள்ளடக்கத்தை குவிக்க வேண்டாம்.

  • குறைந்தபட்ச தேவையான தகவலை வழங்கவும்: தொடர்புடைய 1-3 கோப்புகள், முக்கிய செயல்பாடுகள் மற்றும் பிழை அடுக்குவின் முதல் சில வரிகளை மட்டும் கொடுக்கவும், முழு தகவலையும் கொடுக்க வேண்டாம்.

  • மாற்ற புள்ளிகளைத் திரும்பக் கேட்கவும்: AI எங்கு மாற்ற வேண்டும், ஏன் மாற்ற வேண்டும் என்று மட்டும் சொல்லச் சொல்லுங்கள், முழு குறியீட்டையும் மீண்டும் எழுதச் சொல்லாதீர்கள்.

  • கடைசியாக நீங்களே சரிபார்க்கவும்: மாற்றங்கள் மற்ற இடங்களை பாதிக்கவில்லை என்பதை உறுதிப்படுத்த மிகச் சுருக்கமான சரிபார்ப்பைச் செய்யுங்கள்.

சுருக்கமாக, AI வேலை செய்ய குறைந்தபட்சம் மற்றும் முக்கியமான தகவலைப் பயன்படுத்தவும், மேலும் இறுதி கட்டுப்பாடு மற்றும் தீர்ப்பை வைத்திருக்கவும்.

2. மிக முக்கியமானது: முதலில் சிந்தியுங்கள், பின்னர் தூண்டுங்கள், முதலில் திட்டமிடுங்கள், பின்னர் செயல்படுங்கள்

திரும்பும் விசையை அழுத்துவதற்கு முன், 10 வினாடிகள் இடைநிறுத்திக் கொள்ளும்படி உங்களை கட்டாயப்படுத்துங்கள், மேலும் மூன்று கேள்விகளைக் கேளுங்கள்:

  • நான் என்ன சிக்கலைத் தீர்க்கிறேன்? (வரம்புகளை வரையறுக்கவும்)

  • இந்த சிக்கலில் என்ன முக்கிய தொகுதிகள் உள்ளன? (சூழலை வடிகட்டவும்)

  • நான் அதை நானே எழுதினால், நான் எப்படி எழுதுவேன்? (யோசனைகளை வழங்கவும்)

**நீங்கள் 1, AI பின்னால் உள்ள 0. **1 நிற்க முடியாவிட்டால், பின்னால் உள்ள 0 எவ்வளவு அதிகமாக இருந்தாலும், அது அர்த்தமற்ற நுகர்வு மட்டுமே.

சில இதயப்பூர்வமான வார்த்தைகள்

"ஒரு நாளில் ஒரு கோடி டோக்கன்கள்" கதை எல்லோருக்கும் நடக்காது. ஆனால் டோக்கன்களை வீணடிக்கும் நடத்தை, AI நிரலாக்கத்தைப் பயன்படுத்தும் ஒவ்வொரு புரோகிராமரும் அனுபவித்திருப்பார்கள்.

AI நிரலாக்கத்தை எளிதாக்கியிருந்தாலும், இன்னும் தடைகள் உள்ளன. உண்மையில் பயன்படுத்தத் தெரிந்தவர்கள் மட்டுமே சிறகுகளைப் பெறுவார்கள்.

முன்பு, நீங்கள் எழுதிய மோசமான குறியீடு சக ஊழியர்களை மட்டுமே "வெறுப்படையச் செய்யும்". இப்போது, நீங்கள் திருடும் சோம்பேறித்தனம் நேரடியாக பில்லில் உள்ள எண்ணாக மாறும், மேலும் உயர்ந்து வரும் செலவுகளுடன் உங்களைத் தண்டிக்கிறது.ஆகவே, "கையை விரித்து விடு" வேலையைச் செய்யாதீர். ஆழமாகச் சிந்தித்து, துல்லியமாக வெளிப்படுத்தி, திட்டமிட்ட பின் செயல்படும் ஒரு AI கட்டமைப்பாளராக இருங்கள். இதுவே இந்த யுகத்தில் நாம் மாற்றீடு செய்ய முடியாத மிகப்பெரிய விஷயம்.

Published in Technology

You Might Also Like

iTerm2-க்கு மேலான Claude Code டெர்மினல் பிறந்தது!Technology

iTerm2-க்கு மேலான Claude Code டெர்மினல் பிறந்தது!

# iTerm2-க்கு மேலான Claude Code டெர்மினல் பிறந்தது! எல்லாம் வணக்கம், நான் Guide. இன்று நாங்கள் கடந்த இரண்டு ஆண்டுகளில் ...

2026ஆம் ஆண்டு Top 10 AI நிரலாக்க கருவிகள் பரிந்துரை: மேம்படுத்தும் மேம்பாட்டு திறனை சிறந்த உதவியாளர்Technology

2026ஆம் ஆண்டு Top 10 AI நிரலாக்க கருவிகள் பரிந்துரை: மேம்படுத்தும் மேம்பாட்டு திறனை சிறந்த உதவியாளர்

# 2026ஆம் ஆண்டு Top 10 AI நிரலாக்க கருவிகள் பரிந்துரை: மேம்படுத்தும் மேம்பாட்டு திறனை சிறந்த உதவியாளர் கைரேகை நுண்ணறிவு...

如何使用 GPT-5:生成高质量代码和文本的完整指南Technology

如何使用 GPT-5:生成高质量代码和文本的完整指南

如何使用 GPT-5:生成高质量代码和文本的完整指南 引言 随着人工智能技术的不断进步,OpenAI 最近推出的 GPT-5 模型标志着自然语言处理(NLP)领域的一次重大飞跃。GPT-5 不仅在语言理解和生成方面具有更强的能力,还在多...

Gemini AI vs ChatGPT:எது படைப்புக்கும் வேலைப்பாட்டிற்கும் சிறந்தது? ஆழமான ஒப்பீட்டு மதிப்பீடுTechnology

Gemini AI vs ChatGPT:எது படைப்புக்கும் வேலைப்பாட்டிற்கும் சிறந்தது? ஆழமான ஒப்பீட்டு மதிப்பீடு

# Gemini AI vs ChatGPT:எது படைப்புக்கும் வேலைப்பாட்டிற்கும் சிறந்தது? ஆழமான ஒப்பீட்டு மதிப்பீடு ## அறிமுகம் கைமுறையியல...

2026年 Top 10 机器学习工具与资源推荐Technology

2026年 Top 10 机器学习工具与资源推荐

# 2026年 Top 10 机器学习工具与资源推荐 人工智能 மற்றும் தரவியல் அறிவியலின் வேகமான வளர்ச்சியுடன், இயந்திரக் கற்றல் (Machine Learning) நவ...

2026年 Top 10 大模型(LLM)学习资源推荐Technology

2026年 Top 10 大模型(LLM)学习资源推荐

# 2026年 Top 10 大模型(LLM)学习资源推荐 随着人工智能(AI)技术的迅速发展,特别是大模型(LLM)和智能体(Agentic AI)领域,如何有效地学习和掌握这些技术成为了许多开发者和研究者关注的热点。本文将为您推荐20...