Author: Om Kamath

Der Wettlauf um die KI hat sich verschärft und ist zu einem Aufholspiel zwischen den großen Playern der Technologiebranche geworden. Die Einführung von GPT-4o kurz vor der Google I/O ist kein Zufall. Die unglaublichen Fähigkeiten von GPT-4o im Bereich der Multimodalität, genauer gesagt der Omnimodalität, haben im Wettbewerb der Generativen KI für Aufsehen gesorgt. Aber Google ist nicht jemand, der sich zurückhält. Während der Google I/O wurden neue Varianten der Modelle Gemini und Gemma angekündigt. Unter allen angekündigten Modellen sticht das Gemini 1.5 Flash als das wirkungsvollste hervor. In diesem Blog werden wir die wichtigsten Funktionen des Gemini 1.5 Flash untersuchen und ihn mit dem Gemini 1.5 Pro und dem Gemini 1.5 Flash vs. GPT-4o vergleichen, um festzustellen, welches Gerät besser ist.

Vergleich von Gemini 1.5 Flash mit GPT-4o

Basierend auf den von Google veröffentlichten Benchmark-Ergebnissen hat das Gemini 1.5 Flash im Vergleich zu allen anderen LLMs von Google eine überlegene Leistung bei Audio und liegt bei anderen Benchmarks gleichauf mit dem auslaufenden Modell Gemini 1.5 Pro (Feb 2024). Obwohl wir nicht empfehlen würden, sich bei der Bewertung der Leistung eines LLM vollständig auf Benchmarks zu verlassen, helfen sie bei der Quantifizierung von Leistungsunterschieden und kleineren Upgrades. Der springende Punkt sind die Kosten für den Gemini 1.5 Flash. Im Vergleich zum GPT-4o ist der Gemini 1.5 Flash viel günstiger.

Kontext-Fenster

Genau wie der Gemini 1.5 Pro verfügt der Flash über ein Kontextfenster von 1 Million Token. Das ist mehr als bei allen OpenAI-Modellen und eines der größten Kontextfenster für produktionsreife LLMs. Ein größeres Kontextfenster ermöglicht ein besseres Verständnis der Daten und kann Techniken von Drittanbietern wie RAG (Retrieval-Augmented Generation) für Anwendungsfälle mit einer großen Wissensbasis verbessern, indem die Chunk-Größe erhöht wird. Außerdem ermöglicht ein größeres Kontextfenster die Erstellung von mehr Text, was in Szenarien wie dem Schreiben von Artikeln, E-Mails und Pressemitteilungen hilfreich ist.

Multimodalität

Gemini-1.5 Flash ist multimodal. Multimodalität ermöglicht die Eingabe von Kontext in Form von Audio, Video, Dokumenten usw. LLMs mit Multimodalität sind vielseitiger und öffnen die Türen für mehr Anwendungen der generativen KI, ohne dass eine Vorverarbeitung erforderlich ist.

“Gemini 1.5 Modelle sind für die Verarbeitung extrem langer Kontexte ausgelegt. Sie sind in der Lage, feinkörnige Informationen aus bis zu 10 Millionen Token abzurufen und zu verarbeiten. Dieser Umfang ist unter den heutigen großen Sprachmodellen (LLMs) beispiellos und ermöglicht die Verarbeitung langer, gemischtmodaler Eingaben, einschließlich ganzer Dokumentensammlungen, mehrstündiger Videos und fast fünf Tage langer Audiodateien.” – DeepMind Bericht

Dabbas = Zugwaggon auf Hindi. Demonstration der Multimodalität und mehrsprachigen Leistung.

Die Multimodalität ermöglicht es uns auch, LLMs als Ersatz für andere spezialisierte Dienstleistungen zu nutzen. Zum Beispiel. OCR oder Web Scraping.

Scrapen Sie ganz einfach Daten von Webseiten und wandeln Sie sie um.

Geschwindigkeit

Gemini 1.5 Flash ist, wie der Name schon sagt, darauf ausgelegt, anderen Modellen in Bezug auf die Reaktionszeit überlegen zu sein. Bei dem oben erwähnten Beispiel des Web-Scraping beträgt der Unterschied in der Reaktionszeit ca. 2,5 Sekunden, was fast 40 % schneller ist. Damit ist der Gemini 1.5 Flash die bessere Wahl für den Einsatz in der Automatisierung oder für alle Anwendungsfälle, die eine geringere Latenz erfordern.

Einige interessante Anwendungsfälle von Gemini 1.5 Flash

Videos zusammenfassen

Das Videoverständnis von Gemini 1.5 Pro ist das am meisten unterschätzte in der KI.

In den ~50er Jahren “sah” es ein 11minütiges Youtube-Video (~175k Token) mit den ikonischsten Momenten des Sports und konnte (meines Wissens) alle 18 Momente perfekt auflisten. Es gibt keine andere Video-KI, die so gut ist! pic.twitter.com/LaVGR3ATfU – Deedy (@deedydas) April 5, 2024

Code schreiben mit Video

Das ist umwerfend 🤯.

Ich habe Gemini 1.5 Flash-Videoaufnahmen von mir beim Einkaufen gegeben und es hat mir in ~5 Sekunden Selenium-Code geliefert. Das kann so viele Dinge verändern. pic.twitter.com/Ojm6aueLe7 – Min Choi (@minchoi) May 18, 2024

Spielablauf automatisieren

Ich habe meinen eigenen Omni-Assistenten mit Gemini 1.5 Flash gebaut, um mich durch Super Mario 64 zu führen.

Gemini kann sehen, was ich auf meinem Bildschirm tue, und mit mir in Echtzeit über die Stimme kommunizieren. Und dank des langen 1M-Kontextes hat er ein Gedächtnis für alles, was wir gemeinsam tun. Unglaublich. pic.twitter.com/doTngufjFL – Pietro Schirano (@skirano) May 21, 2024

Nach vielen Spekulationen in den sozialen Medien und anderen Foren darüber, was OpenAI für uns auf Lager hat, hat OpenAI gestern endlich seinen neuesten und bisher leistungsstärksten LLM vorgestellt – GPT-4o (‘o’ für omni). Falls Sie die Einführungsveranstaltung von GPT-4o verpasst haben, lassen Sie uns einen Blick auf die Fähigkeiten von GPT-4o und die Funktionen werfen, die es bietet.

Verbesserte Audio-, Text- und Bildbearbeitungsfähigkeiten

Der GPT-4 Turbo ist ein leistungsstarkes Modell, das jedoch einen Nachteil hat – die Latenzzeit. Im Vergleich zu GPT-3.5 Turbo ist GPT-4 Turbo immer noch deutlich langsamer. GPT-4o behebt diesen Nachteil und ist 2x schneller als GPT-4 Turbo. Dies eröffnet ein breiteres Spektrum an Anwendungsfällen, die die Integration von Daten aus Sprache, Text und Bild erfordern, und geht damit einen Schritt weiter von multimodal zu omnimodal. Der Hauptunterschied zwischen multi-modal und omni-modal besteht darin, dass bei omni-modal alle drei Quellen nahtlos parallel betrieben werden können.

Diese Verbesserungen ermöglichen es dem Modell auch, Sprache mit verbesserter Stimmmodulation, der Fähigkeit, Sarkasmus zu verstehen, und verbesserten natürlichen Konversationsfähigkeiten zu erzeugen.

Reduzierte Preise und kostenlos für ChatGPT-Benutzer verfügbar

Obwohl GPT-4o im Vergleich zum bisherigen GPT-4 Turbo effizienter und schneller ist, kostet es die Hälfte des Preises (API) von GPT-4 Turbo, d.h. GPT-4o wird 5,00 US$/1M Input-Token und 15,00 US$/1M Output-Token kosten. Mit der besseren Preisgestaltung beträgt das Kontextfenster nun 128k Token und der Wissensstopp ist Oktober 2023.

Als Sahnehäubchen wird GPT-4o allen ChatGPT-Benutzern kostenlos zur Verfügung stehen (ChatGPT Plus-Benutzer haben eine 5-fache Obergrenze für GPT-4o). Daneben hat OpenAI auch die ChatGPT-Desktop-App vorgestellt, mit der die Benutzer die Sehfähigkeiten des GPT-4o nutzen können, um die auf dem Bildschirm angezeigten Inhalte zu lesen und zu verstehen. Die Benutzer können auch über die Desktop-App mit ChatGPT sprechen.

GPT-4o Demo

OpenAI teilte mit, dass sie den Zugang zu GPT-4o in den nächsten Wochen schrittweise einführen werden, wobei ChatGPT Plus-Benutzer Vorrang und frühen Zugang zu dem Modell erhalten. Wir werden das wahre Potenzial dieses Modells erst verstehen, wenn wir in den kommenden Wochen Zugang dazu erhalten. Aufregende Zeiten liegen vor uns!

Vor ein paar Monaten tauchte wie aus dem Nichts ein neues Unternehmen namens ‘Groq’ auf, das einen Durchbruch in der KI-Branche erzielte. Sie boten Entwicklern eine Plattform für den Zugriff auf LPUs als Inferencing-Engines für LLMs, insbesondere für Open-Source-Lösungen wie Llama, Mixtral und Gemma. In diesem Blog wollen wir erkunden, was Groq so besonders macht und das Wunder hinter LPUs ergründen.

Was ist Groq?

“Groq hat es sich zur Aufgabe gemacht, den Standard für die Geschwindigkeit von GenAI-Inferenzen zu setzen und so KI-Anwendungen in Echtzeit zum Leben zu erwecken.” – Die Groq Website

Groq ist kein Unternehmen, das LLMs wie GPT oder Gemini entwickelt. Stattdessen konzentriert sich Groq darauf, die Grundlagen dieser großen Sprachmodelle zu verbessern – die Hardware, auf der sie arbeiten. Sie dient als ‘Inferenzmaschine’. Derzeit nutzen die meisten LLMs auf dem Markt herkömmliche GPUs, die auf privaten Servern oder in der Cloud eingesetzt werden. Diese Grafikprozessoren sind zwar teuer und leistungsstark und stammen von Unternehmen wie Nvidia, aber sie basieren immer noch auf der traditionellen GPU-Architektur, die für LLM-Inferencing nicht optimal geeignet ist (obwohl sie nach wie vor leistungsstark und für das Training von Modellen bevorzugt sind).

Die von Groq bereitgestellte Inferenzmaschine arbeitet mit LPUs – Language Processing Units.

Was ist eine LPU?

Eine Language Processing Unit ist ein Chip, der speziell für LLMs entwickelt wurde. Er basiert auf einer einzigartigen Architektur, die CPUs und GPUs kombiniert, um Tempo, Vorhersagbarkeit, Leistung und Genauigkeit von KI-Lösungen für LLMs zu verbessern.

Die wichtigsten Merkmale eines LPU-Systems. Kredite: Groq

Ein LPU-System verfügt über so viel oder mehr Rechenleistung wie ein Grafikprozessor (GPU) und reduziert die Rechenzeit pro Wort, was eine schnellere Generierung von Textsequenzen ermöglicht.

Merkmale einer LPU-Inferenzmaschine, wie auf der Groq-Website aufgeführt:

• Außergewöhnliche sequentielle Leistung
• Architektur mit einem Kern
• Synchrone Vernetzung, die auch bei großen Implementierungen erhalten bleibt
• Fähigkeit zur automatischen Kompilierung >50B LLMs
• Sofortiger Speicherzugriff
• Hohe Genauigkeit, die auch bei niedrigeren Genauigkeitsstufen erhalten bleibt

Dienstleistungen von Groq:

1. GroqCloud: LPUs in der Cloud
2. GroqRack: 42U-Rack mit bis zu 64 zusammengeschalteten Chips
3. GroqNode: Skalierbares 4U-Rack-Rechnersystem mit acht miteinander verbundenen GroqCard™-Beschleunigern
4. GroqCard: Ein einziger Chip in einem Standard-PCIe Gen 4×16-Formfaktor für problemlose Serverintegration

“Anders als die CPU, die für eine völlig andere Art von Aufgabe als KI entwickelt wurde, oder die GPU, die auf der Grundlage der CPU entwickelt wurde, um zufällig etwas Ähnliches wie KI zu tun, oder die TPU, die die GPU modifiziert hat, um sie besser für KI zu machen, ist Groq von Grund auf, von den ersten Prinzipien her, ein Computersystem für KI” – Daniel Warfield, Towards Data Science

Um mehr darüber zu erfahren, wie sich LPUs von GPUs, TPUs und CPUs unterscheiden, empfehlen wir Ihnen, diesen umfassenden Artikel von Daniel Warfield für Towards Data Science zu lesen.

Was ist der Sinn von Groq?

LLMs sind unglaublich leistungsfähig und können Aufgaben bewältigen, die von der Analyse unstrukturierter Daten bis zur Beantwortung von Fragen über die Niedlichkeit von Katzen reichen. Ihr größter Nachteil liegt jedoch derzeit in der Reaktionszeit. Die langsamere Reaktionszeit führt bei der Verwendung von LLMs in Backend-Prozessen zu erheblichen Latenzzeiten. Beispielsweise ist das Abrufen von Daten aus einer Datenbank und die Anzeige im JSON-Format derzeit viel schneller, wenn es mit herkömmlicher Logik erfolgt, anstatt die Daten zur Transformation durch einen LLM zu leiten. Der Vorteil von LLMs liegt jedoch in ihrer Fähigkeit, Datenausnahmen zu verstehen und zu behandeln.

Mit der unglaublichen Inferenzgeschwindigkeit, die Groq bietet, kann dieser Nachteil von LLMs stark reduziert werden. Dies eröffnet bessere und breitere Einsatzmöglichkeiten für LLMs und senkt die Kosten, denn mit einer LPU können Sie Open-Source-Modelle einsetzen, die viel billiger zu betreiben sind und sehr schnelle Reaktionszeiten haben.

Llama 3 auf Groq

Vor ein paar Wochen hat Meta die neueste Version des ohnehin schon leistungsstarken und äußerst fähigen Open-Source-Programms LLM-Llama 3 vorgestellt. Neben den typischen Verbesserungen bei der Geschwindigkeit, dem Datenverständnis und der Token-Generierung stechen zwei wesentliche Verbesserungen hervor:

1. Trainiert auf einem 7-mal größeren Datensatz als Llama 2, mit 4-mal mehr Code.
2. Verdoppelung der Kontextlänge auf 8.000 Token.

Llama 2 war bereits ein hervorragender Open-Source-LLM, aber mit diesen beiden Updates wird die Leistung von Llama 3 voraussichtlich deutlich steigen.

Llama 3 Benchmarks

Um Llama 3 zu testen, haben Sie die Möglichkeit, Meta AI oder den Groq-Spielplatz zu nutzen. Wir werden die Leistung von Groq mit Llama 3 testen.

Groq Spielplatz

Derzeit bietet der Groq-Spielplatz freien Zugang zu Gemma 7B, Llama 3 70B und 8B und Mixtral 8x7b. Auf dem Spielplatz können Sie Parameter wie die Temperatur, die maximale Anzahl von Token und die Streaming-Umschaltung einstellen. Außerdem verfügt es über einen speziellen JSON-Modus, um ausschließlich JSON-Ausgaben zu erzeugen.

Nur 402ms für die Inferenz bei einer Rate von 901 Token/s

Ich komme nun zu dem Bereich/Anwendung, der meiner Meinung nach am meisten Einfluss hat: Datenextraktion und -umwandlung:

Bitten Sie das Modell, nützliche Informationen zu extrahieren und ein JSON mit dem JSON-Modus bereitzustellen.

Die Extraktion und Umwandlung in das JSON-Format war in weniger als einer halben Sekunde abgeschlossen.

Schlussfolgerung

Wie gezeigt, hat Groq mit seiner innovativen LPU Inference Engine die LLM-Landschaft entscheidend verändert. Der hier gezeigte schnelle Wandel deutet auf das immense Potenzial für die Beschleunigung von KI-Anwendungen hin. Über die zukünftigen Innovationen von Groq kann man nur spekulieren. Vielleicht könnte eine Bildverarbeitungseinheit die Bilderzeugungsmodelle revolutionieren und zu Fortschritten bei der KI-Videoerzeugung beitragen. Es ist in der Tat eine aufregende Zukunft, die Sie erwarten können.

Da die LLM-Schulung immer effizienter wird, ist die Aussicht auf ein personalisiertes ChatGPT, das auf Ihre Daten auf Ihrem lokalen Gerät abgestimmt ist, eine verlockende Aussicht. Eine Plattform, die solche Möglichkeiten bietet, ist Cody, ein intelligenter KI-Assistent, der darauf zugeschnitten ist, Unternehmen in verschiedenen Bereichen zu unterstützen. Ähnlich wie ChatGPT kann Cody auf Ihre Geschäftsdaten, Ihr Team, Ihre Prozesse und Ihre Kunden geschult werden, wobei Ihre einzigartige Wissensbasis genutzt wird.

Mit Cody können Unternehmen die Leistung der KI nutzen, um einen personalisierten und intelligenten Assistenten zu schaffen, der speziell auf ihre Bedürfnisse zugeschnitten ist. Das macht Cody zu einer vielversprechenden Ergänzung in der Welt der KI-gesteuerten Unternehmenslösungen.

LLMs sind heutzutage allgegenwärtig und bedürfen keiner Einführung. Unabhängig davon, ob Sie in der Technikbranche tätig sind oder nicht, sind Sie wahrscheinlich schon einmal mit einer Form von LLM in Berührung gekommen oder verwenden sie derzeit täglich. Zu den bekanntesten LLMs gehören derzeit GPT von OpenAI, Claude von Anthropic und Gemini von Google.

Diese beliebten LLM arbeiten jedoch oft als abstrakte oder Black-Box-Systeme, was Bedenken hinsichtlich des Datenschutzes und der Transparenz aufkommen lässt. Um solche Probleme zu lösen, sind mehrere Open-Source-LLMs verfügbar, die es den Benutzern ermöglichen, sie auf privaten Rechnern oder Servern unbesorgt einzusetzen.

Open Source bezieht sich auf Software oder Produkte, deren Quellcode zur Einsichtnahme, Änderung und Weitergabe frei verfügbar ist. Diese Zugänglichkeit ermöglicht es den Nutzern, die Software zu verstehen, zu verbessern und zu ihrer Entwicklung beizutragen.

Hier sind einige der besten derzeit verfügbaren Open-Source-LLMs:

Lama 2

Llama 2 ist ein von Meta entwickeltes Open-Source-LLM, das für kommerzielle und Forschungszwecke kostenlos angeboten wird. Die Llama-2-Modelle werden auf zwei Billionen Token trainiert und verfügen über die doppelte Kontextlänge von Llama 1.

Die Parameter des Modells wirken sich direkt auf seine Fähigkeit aus, Text zu verstehen, wobei größere Modelle eine bessere Leistung auf Kosten eines größeren Umfangs und höherer Ressourcenanforderungen bieten.

Verfügbare Varianten: Parameter 7B, 13B und 70B

Kontext-Fenster: 4096 Token

Unterstützte Sprachen: Die beste Leistung wird auf Englisch erbracht.

Mixtral 8x7B

Mixtral 8x7B, entwickelt von Mistral AI, ist ein LLM mit insgesamt 46,7B Parametern. Trotz seiner Größe ist es ähnlich schnell und kostengünstig wie Modelle, die nur ein Drittel so groß sind. Dieses reine Transformer Mixture of Experts (MoE) Modell übertrifft LLama 2 und GPT-3.5 in bestimmten Benchmarks deutlich.

Verfügbare Varianten: Tiny, Small, Medium und Large (von kostengünstig bis hochleistungsfähig)

Kontext-Fenster: 32000 Token (auf Mistral Large)

Unterstützte Sprachen: Englisch, Französisch, Spanisch, Deutsch, Italienisch (auf Mistral Large)

Falke

Falcon, entwickelt vom Technology Innovation Institute (TII) in Abu Dhabi, ist ein weiteres führendes Open-Source-LLM. Nach seiner Markteinführung stand Falcon 40B zwei Monate lang auf Platz 1 der Hugging Face-Rangliste für quelloffene große Sprachmodelle (LLMs). Mit der Variante 180B erweitert TII die Fähigkeiten des Modells in Bezug auf Wissen und Datenverständnis. Falcon 180B ist ein äußerst leistungsfähiges Sprachmodell, das auf 3,5 Billionen Token trainiert wurde.

Verfügbare Varianten: Falcon 40B und Falcon 180B

Kontext-Fenster: 4096 Token

Unterstützte Sprachen: Englisch, Deutsch, Spanisch, Französisch, mit eingeschränkter Unterstützung für Italienisch, Portugiesisch, Polnisch, Niederländisch, Rumänisch, Tschechisch und Schwedisch.

BLOOM

BLOOM ist ein autoregressives Large Language Model (LLM), das von Big Science entwickelt wurde. BLOOM wurde mit 176B Parametern trainiert und zeichnet sich durch die Generierung von Textfortsetzungen aus Eingabeaufforderungen unter Verwendung großer Mengen von Textdaten und industrieller Rechenressourcen aus.

Verfügbare Varianten: bloom-560m, bloom-1b1, bloom-1b7, bloom-3b, bloom-7b1, bloom 176B

Kontext-Fenster: 2048 Token

Unterstützte Sprachen: 46 natürliche Sprachen (mit unterschiedlichen Datenmengen, von 30% für Englisch bis 0,00002% für Chi Tumbuka)

Gemma

Gemma, Googles neuester offener LLM, folgt auf den Erfolg von Gemini. Gemma ist eine Familie offener Large Language Models (LLM) von Google DeepMind, die auf Gemini-Forschung und -Technologie aufbaut. Während die Modellgewichte frei zugänglich sind, können die spezifischen Bedingungen für die Nutzung, Weitergabe und den Besitz von Varianten variieren und basieren möglicherweise nicht auf einer Open-Source-Lizenz.

Verfügbare Varianten: Gemma 2B und Gemma 7B

Kontext-Fenster: 8192 Token

Unterstützte Sprachen: Englisch

Schlussfolgerung

Wir bei Cody setzen auf einen modellunabhängigen Ansatz, wenn es um LLMs geht, und bieten eine Plattform, die es Ihnen ermöglicht, personalisierte Bots zu erstellen, die auf Ihren individuellen Anwendungsfall zugeschnitten sind. Mit einem vielfältigen Angebot an LLM-Studiengängen sind Sie nicht an einen einzigen Anbieter gebunden und haben so die Freiheit, das für Sie am besten geeignete Programm zu wählen.

Mit Cody können Unternehmen die KI nutzen, um intelligente Assistenten zu entwickeln, die genau auf ihre Bedürfnisse zugeschnitten sind. Diese Flexibilität macht Cody zu einer vielversprechenden Ergänzung im Bereich der KI-gesteuerten Unternehmenslösungen.

Google gegen OpenAI: Gewinnt Google?

Nachdem Google mit Bard den Anschluss an den KI-Hype verpasst hatte, stellte das Unternehmen kürzlich sein neuestes KI-Produkt Gemini vor. Im Rahmen dieser Einführung wurde Bard in Gemini umbenannt und umfasst nun das neue Gemini Pro LLM. Um das Ausmaß dieser Veränderungen zu verstehen, müssen wir uns näher damit befassen.

Was ist Gemini AI?

Gemini ist Googles neuestes Large Language Model (LLM), das auf die Veröffentlichung von LaMDA und PaLM folgt. Im Gegensatz zu seinen Vorgängern ist Gemini von Haus aus multimodal und in der Lage, Text, Bilder, Sprache und Code zu verstehen, und verfügt über verbesserte Verständnis- und Argumentationsfähigkeiten.

Varianten von Gemini AI

Die Gemini-KI besteht aus drei großen Sprachmodellen:

1. Gemini Nano: Optimiert für Effizienz auf dem Gerät, liefert schnelle KI-Lösungen direkt auf Ihr persönliches Gerät.
2. Gemini Pro: Ein vielseitiges und skalierbares Modell, das verschiedene Aufgaben mit solider Leistung bewältigen kann. Erreichbar über die kostenlose Version der Gemini-Chat-Schnittstelle.
3. Gemini Ultra: Die Krönung der Gemini-Serie, die komplexe Problemlösungen ermöglicht und die Grenzen der KI-Fähigkeiten verschiebt. Exklusiv für Abonnenten des Google One AI Premium-Plans.

Die Gemini-Modelle wurden mit TPUv5e und TPUv4 trainiert, je nach Größe und Konfiguration der Modelle. Für das Training von Gemini Ultra wurde eine große Flotte von TPUv4-Beschleunigern verwendet, die Google in mehreren Rechenzentren besitzt. Dies stellt eine erhebliche Vergrößerung gegenüber dem bisherigen Vorzeigemodell PaLM-2 dar, das neue Herausforderungen an die Infrastruktur stellte.

Vergleich von Gemini mit anderen LLMs

Textverständnis

Quelle: Google Deepmind

Bild Verstehen

Quelle: Google Deepmind

Lesen Sie hier mehr darüber.

Vorteile der Zwillinge

1. Nahtlose Integration mit allen Google Apps

Gemini lässt sich jetzt nahtlos in alle Google Apps integrieren, einschließlich Maps, YouTube, Gmail und mehr. Um bestimmte Anwendungen abzufragen, stellen Sie dem Namen der Anwendung einfach ein “@” voran, gefolgt von Ihrer Anfrage. Während ähnliche Integrationen auf ChatGPT mit GPTs und Plugins erreicht werden können, bieten sie möglicherweise nicht das gleiche Maß an Nahtlosigkeit wie die nativen Integrationen von Gemini.

Googles anerkanntes Fachwissen im Bereich der Suchmaschinentechnologie wird zweifellos zur Verbesserung der Web-Browsing-Funktionen von Gemini beitragen. Durch die Nutzung grundlegender Stärken bei Suchalgorithmen und Indizierung bietet Gemini den Nutzern ein nahtloses und effizientes Browsing-Erlebnis.

2. Multimodale Fähigkeiten

Gemini bietet jetzt multimodale Fähigkeiten, einschließlich Bildverständnis, auf der Gemini-Chat-Schnittstelle ohne zusätzliche Kosten. Obwohl die Leistung während des Tests annehmbar war, kann sie die Genauigkeit von GPT-4V nicht erreichen. Da es aber kostenlos ist, können wir uns nicht wirklich beschweren, oder? 😉 Es besteht die Möglichkeit, dass Gemini Ultra den GPT-4V übertrifft, wenn man die folgenden Metriken betrachtet

3. Freier Zugang für Hobbyisten und Studenten

Für aufstrebende LLM-Entwickler, die in das Feld eintauchen möchten, aber aus Kostengründen nicht auf die GPT-APIs zugreifen können, bietet Google kostenlosen Zugang zur Gemini Pro 1.0 API. Damit können Sie bis zu 60 Abfragen pro Minute in Google AI Studio, einem kostenlosen webbasierten Entwickler-Tool, durchführen. Mit Google AI Studio können Sie schnell Prompts entwickeln und einen API-Schlüssel für die App-Entwicklung erhalten. Wenn Sie sich mit Ihrem Google-Konto bei Google AI Studio anmelden, können Sie dieses kostenlose Kontingent in Anspruch nehmen. Dies ist eine hervorragende Gelegenheit, um Ihr LLM-Studium zu beginnen und sich mit Einbettungen, Vektordatenbanken, semantischer Suche und mehr zu beschäftigen.

4. Preis-Leistungs-Verhältnis

Für 20 Dollar pro Monat können Nutzer über ChatGPT Plus auf GPT-4 zugreifen. Alternativ können sie für den gleichen Preis Gemini Advanced mit Gemini Ultra 1.0 nutzen, das zusätzliche Vorteile wie 2 TB Cloud-Speicher und die Integration mit Google Apps wie Gmail und Docs bietet. Für den Zugriff auf Gemini Advanced ist jedoch ein Abonnement für den Google One AI Premium Plan erforderlich. Trotz dieser Anforderung bietet es einen höheren Gegenwert für Ihr Geld.

Die Einführung eines Mid-Tier-Tarifs mit 500 GB Speicherplatz und Zugang zu Gemini Advanced zwischen dem Standard- und dem Premium-Tarif würde die Zugänglichkeit von Gemini erheblich verbessern, insbesondere für Studenten und Nutzer mit moderaten Speicheranforderungen. Google, wenn Sie zuhören, denken Sie bitte über diesen Vorschlag nach.

Was kommt als Nächstes für Zwillinge?

DeepMind von Google entwickelt das Gemini-Modell kontinuierlich weiter. Erst vor einer Woche wurde Gemini Pro 1.5 eingeführt. In dieser aktualisierten Variante wurde das Kontextfenster auf 128.000 Token erweitert. Darüber hinaus kann eine ausgewählte Gruppe von Entwicklern und Unternehmenskunden jetzt mit noch größeren Kontextfenstern von bis zu 1 Million Token durch private Vorschauen auf AI Studio und Vertex AI experimentieren. Zum Vergleich: Ein typisches Sachbuch enthält etwa 300.000 Token. Mit dem 1-Million-Token-Kontextfenster des Gemini Pro 1.5 können Benutzer nun ganze Bücher in Abfragen hochladen – ein bemerkenswerter Fortschritt im Vergleich zum 128.000-Token-Kontextfenster des GPT-4.

Inmitten der Sättigung von LLMs in der KI-Branche scheint Google diesmal mit seiner verbesserten Architektur, den schnellen Reaktionen und der nahtlosen Integration in das Google-Ökosystem einen Volltreffer gelandet zu haben. Es könnte in der Tat ein Schritt in die richtige Richtung sein, der OpenAI und andere Wettbewerber auf Trab hält.

Im Zeitalter der KI ist es für Unternehmen von entscheidender Bedeutung, gut ausgebildete Mitarbeiter zu haben, und die Einbeziehung von KI in die Mitarbeiterschulung kann eine erhebliche Investition darstellen. Wenn Sie auf der Suche nach KI-Lösungen für die Schulung Ihrer Mitarbeiter sind, ist Cody das richtige Werkzeug für Sie. Ähnlich wie bei ChatGPT und Gemini kann Cody auf Ihre Geschäftsdaten, Ihr Team, Ihre Prozesse und Ihre Kunden geschult werden, wobei Ihre einzigartige Wissensbasis genutzt wird. Cody ist modellunabhängig, was es Ihnen erleichtert, je nach Bedarf das Modell zu wechseln.

Mit Cody können Unternehmen die Leistung der KI nutzen, um einen personalisierten und intelligenten Assistenten zu schaffen, der speziell auf ihre Bedürfnisse zugeschnitten ist. Das macht Cody zu einer vielversprechenden Ergänzung in der Welt der KI-gesteuerten Unternehmenslösungen.

Warum Ihr Unternehmen heute einen KI-Mitarbeiter braucht

Die transformative Kraft von KI-Lösungen wie ChatGPT in modernen Arbeitsumgebungen ist unbestritten. Von der Vereinfachung des Verfassens von E-Mails bis hin zur Unterstützung bei psychischen Problemen – ChatGPT revolutioniert die Art und Weise, wie wir alltägliche Aufgaben angehen. Es ist jedoch nicht ohne Einschränkungen, wie z. B. die fehlende Anpassung an die Wissensbasis Ihres Unternehmens. Hier kommt Cody ins Spiel, Ihre unkomplizierte Lösung, mit der Sie das Beste aus der KI in Ihr Unternehmen bringen können – ohne Code.

Lassen Sie uns drei Möglichkeiten erkunden, wie Ihr Unternehmen von KI profitieren kann:

Ausbildung: Von statisch zu dynamisch

Herkömmliche Schulungsmethoden beinhalten oft statische, vordefinierte Abläufe, die nicht nur weniger ansprechend sind, sondern auch nicht unbedingt auf die Bedürfnisse Ihres Unternehmens zugeschnitten sind. Durch den Einsatz von KI können Sie Dynamik und Interaktivität in Ihre Mitarbeiterschulungsprogramme bringen.

Mit Cody ist es ganz einfach, Ihre vorhandenen Schulungsunterlagen hochzuladen – egal, ob es sich um PDFs oder Word-Dokumente handelt. Wählen Sie aus vorgefertigten Bot-Vorlagen oder verwenden Sie den erweiterten Bot-Builder, um Codys Persönlichkeit nach Ihren Wünschen zu gestalten. In nur wenigen Schritten erhalten Sie einen personalisierten Onboarding-Coach, der auf die Bedürfnisse jedes einzelnen Mitarbeiters eingeht und so die Effektivität und Intuitivität Ihrer Schulungsprogramme steigert.

Searching: Wissen zugänglich machen

Was nützt eine gut dokumentierte Wissensdatenbank, wenn Ihre Mitarbeiter Ewigkeiten damit verbringen, die Daten zu sichten? KI-gestützte Lösungen wie Cody verändern die Art und Weise, wie auf Informationen innerhalb Ihres Unternehmens zugegriffen wird, und funktionieren wie eine interne Suchmaschine.

Sobald Ihr Geschäftswissen in Cody hochgeladen ist, wird jede Abfrage in natürlicher Sprache mit einer präzisen, kohärenten Antwort beantwortet, die aus Ihren spezifischen Daten generiert wird. Es ist, als hätte man rund um die Uhr einen menschlichen Experten, der sich um all Ihre Fragen kümmert. Vorbei sind die Zeiten des ziellosen Suchens in endlosen Datenmengen.

Automatisieren: Vereinfachung der Arbeitsabläufe

Unser neuestes Update ermöglicht es Ihnen, die Automatisierung auf die nächste Stufe zu heben. Cody lässt sich jetzt nahtlos mit Zapier integrieren, sodass Sie KI-gesteuerte automatisierte Workflows erstellen können, die nicht nur effizient, sondern auch benutzerfreundlich sind. Durch die Automatisierung von Routineaufgaben können sich Ihre Mitarbeiter auf sinnvollere Aufgaben konzentrieren. Und dank der KI-Fähigkeiten von Cody sind die generierten Inhalte genauso gut wie die eines Menschen, wenn nicht sogar besser.

Zapier ist ein Tool, mit dem Sie Cody mit mehr als 5.000 Apps verbinden können und das Ihnen eine Welt der unbegrenzten Möglichkeiten eröffnet.

Die Zukunft ist jetzt, und sie heißt Cody

Wir haben uns mit der transformativen Kraft der KI am Arbeitsplatz befasst und uns dabei auf ihre Auswirkungen auf Schulungen, Suchvorgänge und die Automatisierung von Arbeitsabläufen konzentriert. Mit Plattformen wie Cody ist die Zukunft keine ferne Realität, sondern sie findet hier und jetzt statt. Die Integration von KI bietet nicht nur eine optimierte betriebliche Effizienz, sondern auch eine erhebliche Kostenreduzierung und eine Steigerung der Mitarbeiterzufriedenheit.

Warum also warten? Egal, ob Sie ein Startup-Unternehmen sind, das skalieren möchte, oder ein etabliertes Unternehmen, das sich modernisieren will – jetzt ist der perfekte Zeitpunkt, um KI-Lösungen zu nutzen. Mit überzeugenden Vorteilen und einer bewährten Erfolgsbilanz bietet Cody eine problemlose Option für diejenigen, die den Sprung in die Zukunft der Arbeit wagen wollen.

Verpassen Sie nicht die Gelegenheit, die Dynamik an Ihrem Arbeitsplatz zu revolutionieren. Klicken Sie hier, um Ihre Reise mit Cody zu beginnen und eine Welt der Effizienz und Innovation zu entdecken, die Sie nie für möglich gehalten hätten.