LLM သည် နောက်ထပ် JPEG တစ်ခုဖြစ်လာမည်
ကျွန်ုပ်အနေဖြင့် ဇာတ်လမ်းတစ်ပုဒ် ပြောပြပါရစေ။
၁၉၉၀ ပြည့်နှစ်များတွင် သင်သည် ဓာတ်ပုံတစ်ပုံကို အခြားသူတစ်ဦးထံ ပေးပို့လိုပါက ဖိုင်ပုံစံ၊ ချုံ့နည်းစနစ်၊ အရောင်အနက် စသည်တို့ကို များစွာ ထည့်သွင်းစဉ်းစားရမည်ဖြစ်သည်။ ဆော့ဖ်ဝဲတစ်ခုစီတွင် ၎င်း၏ကိုယ်ပိုင်ပုံစံများရှိသည်။ ထို့နောက် JPEG ပေါ်လာသည်။
ရုတ်တရက်ဆိုသလို မည်သူမျှ ရုပ်ပုံဖိုင်ပုံစံကို ဂရုမစိုက်တော့ပါ။ JPEG သည် အခြေခံအဆောက်အအုံတစ်ခု ဖြစ်လာသည်။ သင်သည် "ကျွန်ုပ်သည် JPEG ဖြင့် ပုံတစ်ပုံကို ပြုလုပ်ခဲ့သည်" ဟု မပြောတော့ဘဲ "ကျွန်ုပ်သည် ပုံတစ်ပုံ ပေးပို့လိုက်သည်" ဟုသာ ပြောတော့သည်။
LLM သည်လည်း ထိုလမ်းကြောင်းအတိုင်း လျှောက်လှမ်းနေသည်။
နည်းပညာသည် လေကဲ့သို့ ဖြစ်လာသောအခါ
"LLM သည် ကုန်ပစ္စည်းတစ်ခုဖြစ်သည်။ Apple သည် LLM ကုမ္ပဏီများထံမှ tokens များကို ဝယ်ယူရန် ဝမ်းမြောက်နေသော်လည်း Apple သည် ကွဲပြားသော ထုတ်ကုန်များကို ရောင်းချသော ကုမ္ပဏီတစ်ခုဖြစ်သည်။" — @deuteronormative
ဤစကားသည် တိုက်ရိုက်ပြောဆိုခြင်းဖြစ်သည်။ သင်သည် Apple ဖြစ်ပါက သင်သည် လျှပ်စစ်ကို ကိုယ်တိုင်ထုတ်လုပ်မည်မဟုတ်ဘဲ ဓာတ်အားလိုင်းမှ ဝယ်ယူမည်ဖြစ်သည်။ သင်သည် တာယာများကို ကိုယ်တိုင်ထုတ်လုပ်မည်မဟုတ်ဘဲ Michelin ထံမှ ဝယ်ယူမည်ဖြစ်သည်။ ယခုတွင် သင်သည် LLM ကို ကိုယ်တိုင်လေ့ကျင့်ပေးမည်မဟုတ်ဘဲ cloud မှ tokens များကို ဝယ်ယူမည်ဖြစ်သည်။
ဤသည်မှာ LLM သည် အရေးမကြီးဟု ဆိုလိုခြင်းမဟုတ်ပါ။ လျှပ်စစ်သည် အရေးကြီးသည်။ တာယာများသည် အရေးကြီးသည်။ သို့သော် ၎င်းတို့သည် အခြေခံအဆောက်အအုံများဖြစ်ပြီး ကွဲပြားခြားနားစေသော အချက်များမဟုတ်ပေ။
ကုန်ကျစရိတ်စစ်ပွဲ၏ အနိုင်ရသူ
Alibaba မှ မကြာသေးမီက ထုတ်ပြန်ခဲ့သော Qwen 3.5:
- 397 ဘီလီယံ parameters, 17 ဘီလီယံ active
- Qwen 3 ထက် ၆၀% စျေးသက်သာသည်
- ၈ ဆ ပိုမြန်သည်
- Token စျေးနှုန်းသည် Gemini 3 Pro ၏ ၁/၁၈ ဖြစ်သည်
ဤသည်မှာ နည်းပညာဆိုင်ရာ တိုးတက်မှုမဟုတ်ဘဲ စျေးနှုန်းစစ်ပွဲဖြစ်သည်။ LCD တီဗီများသည်လည်း ထိုနည်းအတိုင်းပင် စျေးနှုန်းလျှော့ချခဲ့သည်။ အမေရိကန်ဒေါ်လာ ၁၀၀၀ အောက်သို့ ပထမဆုံး ကျဆင်းခဲ့သော ကုမ္ပဏီသည် နည်းပညာအကောင်းဆုံး ကုမ္ပဏီမဟုတ်သော်လည်း ၎င်းသည် အနိုင်ရသူဖြစ်သည်။
လက်တွေ့ကျသောအကြံပြုချက်များ
သင်သည် developer တစ်ဦးဖြစ်ပါက ဤသည်က ဘာကိုဆိုလိုသနည်း။
-
မော်ဒယ်များကို ကိုယ်တိုင်လေ့ကျင့်မပေးပါနှင့်။ သင်သည် OpenAI, Anthropic သို့မဟုတ် Alibaba မဟုတ်ပါက မော်ဒယ်များကို လေ့ကျင့်ပေးခြင်းသည် ငွေဖြုန်းတီးခြင်းဖြစ်သည်။ API ကိုသုံးပါ။
-
parameters များထက် စျေးနှုန်းကို အာရုံစိုက်ပါ။ 397 ဘီလီယံ parameters သည် အလွန်ကောင်းမွန်သည်ဟု ထင်ရသော်လည်း သင့်အသုံးပြုသူများသည် ဂရုမစိုက်ပါ။ ၎င်းတို့သည် တုံ့ပြန်မှုအမြန်နှုန်းနှင့် ကုန်ကျစရိတ်ကို ဂရုစိုက်သည်။
-
ပြောင်းရွှေ့ရန် အဆင်သင့်ဖြစ်ပါစေ။ LLM သည် ကုန်ပစ္စည်းတစ်ခုဖြစ်သောကြောင့် အစားထိုးနိုင်သည်ဟု ဆိုလိုသည်။ ယနေ့ GPT ကိုသုံးပါ၊ မနက်ဖြန် Claude ကိုသုံးပါ၊ နောက်ရက် Qwen ကိုသုံးပါ။ သင့်ဗိသုကာသည် ဤပြောင်းလဲမှုကို ထောက်ပံ့ပေးသင့်သည်။
စိတ်ဝင်စားစရာကောင်းသော ဆန့်ကျင်ဘက်များ
LLM ကို အသိဆုံးသူများသည် LLM အကြောင်းကို သိပ်မပြောကြပါ။
"Andrej Karpathy သည် စာကြောင်း ၂၄၀ ဖြင့် သန့်စင်သော Python ဖြင့် mini GPT တစ်ခုကို ရေးသားခဲ့သည်။ TensorFlow မရှိပါ။ PyTorch မရှိပါ။ သင်္ချာသာရှိသည်။ ၎င်းသည် LLM သည် မှော်မဟုတ်ကြောင်း သက်သေပြသည် - ၎င်းတို့သည် နောက် token ကို ခန့်မှန်းခြင်းသာဖြစ်သည်။"
"နောက် token ကို ခန့်မှန်းခြင်း" သည် ဤနည်းပညာ၏ အဓိကအချက်ဖြစ်ကြောင်း သင်နားလည်သောအခါ ကြော်ငြာမှုအများအပြား ပျောက်ကွယ်သွားသည်။ ဤသည်မှာ လျှော့တွက်ခြင်းမဟုတ်ပါ။ မိုက်ခရိုဝေ့ဖ်သည် ရေမော်လီကျူးများကို အပူပေးရုံသာဖြစ်သော်လည်း ၎င်းသည် မီးဖိုချောင်ကို ပြောင်းလဲစေသည်။
နောက်တစ်ဆင့်
LLM သည် JPEG ကဲ့သို့ တစ်စုံတစ်ခု ဖြစ်လာလိမ့်မည်- နေရာတိုင်းတွင်ရှိပြီး မည်သူမျှ မဆွေးနွေးကြသော်လည်း မရှိမဖြစ်လိုအပ်သည်။
ထိုအချိန်မတိုင်မီတွင် စမတ်ကျသောသူများသည် စျေးနှုန်းစစ်ပွဲတွင် အသက်သာဆုံးသော ပေးသွင်းသူကို ရွေးချယ်လိမ့်မည်။ အဘယ်ကြောင့်ဆိုသော် နည်းပညာသည် ကုန်ပစ္စည်းတစ်ခုဖြစ်လာသောအခါ ကုန်ကျစရိတ်သည်သာ အရေးကြီးသောကြောင့်ဖြစ်သည်။
