Cody
ja
ENESFRDEJAKOPT-BRPLAR
ログイン · Assist
無料で始める
エージェント
Cody Assist logoCody Assist知識とサポートCody Convert logoCody ConvertプロアクティブなウェブサイトエージェントCody Clear logoCody ClearコンプライアンスグレードCody Live logoCody Liveアバターとエクスペリエンス
すべてのエージェント料金
リソース
ブログ活用事例プロンプトライブラリスキルライブラリモデルライブラリ
会社情報
私たちについてお問い合わせ

リソース

From Our ブログ

Product updates, practical guides, and clear analysis for teams putting business AI to work.

アーティフィシャル・インテリジェンス

アーティフィシャル・インテリジェンス 記事

79 記事

GPT-4oミニ：知っておくべきこと
  • アーティフィシャル・インテリジェンス

GPT-4oミニ：知っておくべきこと

GPT-4oミニの紹介 2024年7月18日、オープンアイは、堅牢なGPT-4oモデルのコンパクトでコスト効率に優れたGPT4o Miniを発表した。 この新しいAIモデルは、効率的で経済的なAIソリューションを必要とする開発者や消費者をターゲットに、スピードと価格の向上を実現するよう設計されている。 GPT4o Miniは、顧客サービスのチャットボットやリアルタイムのテキスト応答など、より幅広い用途でより身近で手頃なものにすることで、高度なAI技術へのアクセスを民主化することを目指している。 OpenAIのGPT4o Mini APIを通じて利用可能なGPT4o Miniは、ChatGPTのウェブとモバイルアプリにも統合されており、翌週には企業向けアクセスも開始される予定です。 このモデルの主な特徴は、テキストとビジョンの入出力のサポート、128,000トークンのコンテキストウィンドウ、2023年10月の知識カットオフなどである。 この汎用性の高いAIモデルは、GPT-3.5ターボに取って代わる態勢を整えており、大量かつ単純なAI駆動タスクに適した選択肢として位置づけられている。 パフォーマンスとベンチマーク達成 GPT4oミニは、文字と視覚の両方を含む推論タスクで卓越した性能を発揮します。 このコンパクトなモデルは、既存の小型AIモデルの能力を凌駕するよう綿密に設計されている。 例えば、Gemini 1.5 FlashとClaude 3 Haikuがそれぞれ79%と75%であったのに対し、GPT4o MiniはMassive Multitask Language Understanding (MMLU)ベンチマークで82%という驚異的なスコアを達成した。 GPT4o Miniは、テキストや視覚のタスクだけでなく、数学的推論にも優れています。 MGSMベンチマークでは87％という驚異的なスコアを記録し、小型AIモデルの領域での優位性をさらに確立した。 これらの成果は、このモデルの堅牢性と、AI主導のアプリケーションにおける新たな基準を打ち立てる可能性を強調している。 GPT-4oミニのコスト効率と価格 GPT4oミニの最も魅力的な特徴の一つは、そのコスト効率である。 価格は入力トークン100万個あたり15セント、出力トークン100万個あたり60セントで、前身のGPT-3.5ターボより60％以上安い。 この大幅なコスト削減は、AIソリューションへの支出の最適化を目指す開発者や企業にとって魅力的な選択肢となる。 GPT4o Miniの手頃な価格は、様々なAIアプリケーションに大きな影響を与える。 カスタマー・サポートのチャットボットからリアルタイムのテキスト応答まで、コストの障壁を下げることで、既存プロジェクトと新規プロジェクトの両方で幅広い導入が可能になる。 これにより、中小企業や新興企業は、従来はコスト的に困難であった高度なAI技術を活用できるようになり、最先端のAIへのアクセスが民主化される。 こうしたコスト削減の恩恵を大きく受ける可能性のあるユースケースには、自動化されたカスタマーサービス、ダイナミックなコンテンツ生成、リアルタイムのデータ分析などがある。 高度なAIをより身近なものにすることで、OpenAIはAIが様々なアプリケーションやデジタル体験のシームレスな一部となる未来への道を切り開こうとしている。 技術仕様と能力 GPT4oミニは、テキストやビジョンを含む幅広い入出力をサポートしています。 この汎用性により、開発者は複数の種類のデータを扱うことができる多様なアプリケーションを作成することができる。 さらに、OpenAIは将来のアップデートで、これらの機能をビデオやオーディオの入出力に拡張し、マルチメディア文脈でのモデルの使い勝手を向上させる予定です。 GPT4oミニのもう一つの主な特徴は、最大128,000トークンをサポートする広範なコンテキストウィンドウです。 これにより、このモデルは大規模なデータセットを効率的に管理することができ、包括的なデータ分析を必要とするアプリケーションに最適です。 さらに、このモデルの知識のカットオフは2023年10月に設定されており、世界の比較的最近の理解で動作するようになっている。 これらの技術仕様により、GPT4o Miniは高度なAIアプリケーションのための堅牢なツールとなっている。 安全・セキュリティ対策 OpenAIはGPT4o Miniに強固な安全・セキュリティ対策を導入し、保護と信頼性を強化している。… Read more »

記事を読む
Claude AI 3.5 Sonnet
  • アーティフィシャル・インテリジェンス

AnthropicのClaude 3.5 Sonnet LLMがリリース：GPT-4oより優れている？

クロード3.5ソネットLLMは、大規模言語モデル（LLM）のクロード3.5ファミリーの最新モデルです。 2024年3月にAnthropic社から発表され、大きな飛躍を遂げた。 このモデルは、GPT-4oやGemini 1.5 Proのような先代モデルや注目すべきライバルを凌駕している。 Claude 3.5 Sonnet LLMは、パフォーマンス、コストパフォーマンス、汎用性において新たなベンチマークを打ち立てました。 さまざまな領域で優れているため、さまざまな業界や用途で価値あるツールとなっている。 算数、推論、コーディング、多言語タスクにおけるその高度な能力は、他の追随を許さない。 このモデルは、業界標準の指標でトップスコアを達成している。 大学院レベルのQ&A（GPQA）では5ショット設定で67.2％、一般推論（MMLU）では驚異的な90.4％、Pythonコーディング（HumanEval）では驚異的な92.0％を記録している。 クロード3.5ソネットLLMのパフォーマンスは？ 5発セッティングのGPQA（Graduate Level Q&A）で、クロード3.5ソネットは67.2％という素晴らしいスコアを出した。 この指標は、モデルが大学院レベルの質問を理解し、回答する能力を評価するもので、高度な理解と推論能力を示している。 一般推論（MMLU）では、90.4%という驚異的な数値を記録し、論理的推論と問題解決タスクにおいて高いパフォーマンスを発揮した。 Claude 3.5 SonnetはPythonコーディングに秀でており、HumanEvalベンチマークで92.0%のスコアを達成。 これは、Pythonコードの記述と理解に精通していることを示しており、開発者やエンジニアにとって非常に貴重なツールとなっている。 このモデルは、前モデルであるクロード3オーパスの2倍の速度で情報を処理できるため、複雑なタスクや複数ステップのワークフローを処理する効率が大幅に向上している。 この迅速な処理能力は、金融や医療など、迅速な意思決定が求められる業界にとって特に有益である。 さらに、クロード3.5ソネットは提示されたコーディング問題の64％を解決できるのに対し、クロード3オーパスは38％。 この大幅な改良は、その高度なコーディング能力を際立たせ、ソフトウェア開発、コードメンテナンス、さらにはコード翻訳のための強力なツールとなっている。 クロード3.5ソネットのビジョン能力については？ Claude 3.5 Sonnetは、視覚的推論タスクにおいて優れた性能を発揮し、他の大規模言語モデル（LLM）とは一線を画している。 この高度な機能により、モデルは視覚データを驚くほど正確に解釈し、分析することができる。 複雑なチャート、グラフ、その他の視覚的表現の解読にかかわらず、Claude 3.5 Sonnetは意思決定プロセスを推進する意味のある洞察の抽出に優れています。 この熟練度は、トレンド、パターン、異常を理解するために視覚情報が重要なシナリオで特に有益である。 チャートやグラフを正確に解釈するこのモデルの能力は、データの視覚化に大きく依存する業界にとって画期的なものだ。 例えば、金融セクターでは、アナリストはクロード3.5ソネットを活用して、市場動向や財務報告を迅速かつ正確に解釈することができます。 同様に、ロジスティクスにおいても、このモデルは、視覚的な形式で提示された複雑なロジスティクス・データを分析・解釈することで、サプライチェーン・オペレーションを最適化するのに役立つ。 追加機能と強化 クロード3.5 Sonnet LLMは、データ管理に革命を起こすべく、アーティファクトと呼ばれる画期的な機能を導入。 アーティファクトは、ユーザーがデータをより効率的に保存、管理、検索できるようにし、チームや組織内でのコラボレーションを強化し、知識を一元化する環境を促進する。 この機能は、データの完全性とアクセシビリティが最優先される大規模プロジェクトに特に有益である。 Artifactsを活用することで、チームは重要な情報が一貫して利用可能で、簡単にアクセスできるようになり、ワークフローにおけるクロードのスムーズな統合が促進されます。 セキュリティと今後の展開 Claude 3.5 Sonnet LLMは、ASL-2標準に準拠し、セキュリティとプライバシーに重点を置いて設計されています。 このコンプライアンスにより、このモデルはユーザーデータを保護するための厳格なガイドラインを満たしていることが保証され、金融、医療、政府部門など、データセキュリティが最重要視される業界にとって信頼できる選択肢となっている。 これらの基準を遵守することは、機密情報を保護するだけでなく、高いセキュリティ・プロトコルを維持するというコミットメントを示すことによって、ユーザーや利害関係者の信頼を築くことにもなる。 サイバー脅威がますます巧妙化する中、このような厳格なコンプライアンスの重要性はいくら強調してもしすぎることはない。 今後、Anthropicは、HaikuとOpusを含む新しいモデルでクロード3.5ファミリーを拡大する野心的な計画を持っています。… Read more »

記事を読む
ジェミニ1.5フラッシュ vs GPT-4o：GPT-4oに対するグーグルの対応？
  • アーティフィシャル・インテリジェンス

ジェミニ1.5フラッシュ vs GPT-4o：GPT-4oに対するグーグルの対応？

AI競争は激化し、ハイテク業界の大手企業同士のキャッチボールになっている。 グーグルI/Oの直前にGPT-4oが発表されたのは偶然ではない。 GPT-4oのマルチモーダリティ、正確にはオムニモーダリティにおける驚異的な能力は、ジェネレーティブAIコンペティションに大きなインパクトを与えた。 しかし、グーグルは決して手をこまねいているわけではない。 Google I/O期間中、GeminiとGemmaの新モデルが発表された。 発表されたすべてのモデルの中で、ジェミニ1.5フラッシュは最もインパクトのあるモデルとして際立っている。 このブログでは、ジェミニ1.5フラッシュの最大の特徴を探り、ジェミニ1.5プロとジェミニ1.5フラッシュ対GPT-4oを比較し、どちらが優れているかを判断する。 ジェミニ1.5フラッシュとGPT-4oの比較 グーグルが発表したベンチマークスコアによると、ジェミニ1.5フラッシュは、グーグルが発表した他のすべてのLLMと比較して、オーディオで優れた性能を発揮し、他のベンチマークでは、現行モデルのジェミニ1.5プロ（2024年2月）と同等である。 LLMの性能を評価するのにベンチマークに完全に頼ることはお勧めできないが、性能の差やマイナーアップグレードを定量化するのには役立つ。 部屋の中の象は、ジェミニ1.5フラッシュのコストである。 GPT-4oに比べ、ジェミニ1.5フラッシュははるかに手頃な価格だ。 コンテキスト・ウィンドウ Gemini 1.5 Proと同様に、Flashには100万トークンのコンテキストウィンドウが搭載されている。これはOpenAIのどのモデルよりも多く、プロダクショングレードのLLMとしては最大級のコンテキストウィンドウである。 コンテキストウィンドウを大きくすることで、より多くのデータを理解することができ、チャンクサイズを大きくすることで、大きな知識ベースを持つユースケースのためのRAG（Retrieval-Augmented Generation）のようなサードパーティ技術を向上させることができる。 さらに、より大きなコンテキストウィンドウは、より多くのテキストを生成することができ、記事、電子メール、プレスリリースを書くようなシナリオで役立ちます。 マルチモーダリティ ジェミニ1.5フラッシュはマルチモーダルだ。 マルチモダリティは、音声、ビデオ、文書などの形で文脈を入力することを可能にする。 マルチモーダリティを持つLLMはより汎用性が高く、前処理を必要としない生成AIのより多くの応用への扉を開く。 「Gemini 1.5モデルは、非常に長い文脈を扱うために構築されており、少なくとも10Mトークンまでの細かい情報を想起し、推論する能力を持つ。このスケールは、現代の大規模言語モデル（LLM）の中でも前例がなく、ドキュメントのコレクション全体、複数時間のビデオ、ほぼ5日分の音声を含む、長い形式の混合モダリティ入力の処理を可能にする。”- ディープマインド・レポート ダッバス＝ヒンディー語で列車の客車。 マルチモーダリティと多言語パフォーマンスの実証。 また、マルチモダリティを持つことで、LLMを他の専門サービスの代用として使うこともできる。 例えば。 OCRまたはウェブスクレイピング。 ウェブページからデータを簡単にスクレイピングし、変換します。 スピード ジェミニ1.5フラッシュは、その名の通り、レスポンスタイムの点で他のモデルより優位に立つように設計されている。 前述のウェブスクレイピングの例では、レスポンスタイムに約2.5秒の差があり、これはほぼ40%高速であるため、Gemini 1.5 Flashは、オートメーション用途や低レイテンシを必要とするユースケースに適した選択肢となる。 ジェミニ1.5フラッシュの興味深い使用例 ビデオの要約 ジェミニ1.5プロのビデオ理解は、AIで最も過小評価されているものだ。 50年代には、スポーツ界で最も象徴的な瞬間の11分のYoutubeビデオ（～175kトークン）を「見て」、（私の知る限り）18の瞬間を完璧にリストアップすることができた。 こんなにいいビデオAIは他にない！pic.twitter.com/LaVGR3ATfU– ディーディー (@deedydas)April 5, 2024 ビデオを使ってコードを書く これは衝撃的だ᤯。 Geminiに1.5Flashで録画した私の買い物のビデオを渡すと、Seleniumコードを5秒で表示してくれた。 これは多くのことを変えることができるpic.twitter.com/Ojm6aueLe7– Min Choi (@minchoi)2024年5月18日 ゲームプレイの自動化… Read more »

記事を読む
GPT-4o
  • アーティフィシャル・インテリジェンス

GPT-4o：OpenAIが最新言語モデルを公開、ユーザーは無料で利用可能

ソーシャルメディアやその他のフォーラムで、OpenAIが私たちのために何を用意しているのかについて多くの憶測が飛び交っていたが、昨日、OpenAIはついに、これまでで最新かつ最も強力なLLMであるGPT-4o（’o’はomniの意）を公開した。 GPT-4oの発表イベントを見逃した方のために、GPT-4oの能力と提供する機能について説明しよう。 強化されたオーディオ、テキスト、視覚機能 GPT-4ターボは強力なモデルだが、1つ欠点がある。 GPT-3.5ターボと比較すると、GPT-4ターボはまだかなり遅い。 GPT-4oはこの欠点に対処し、GPT-4ターボより2倍速い。 これにより、音声、テキスト、視覚からのデータの統合を含む、より広範なユースケースが広がり、マルチモーダルからオムニモーダルへと一歩前進する。 マルチモーダルとオムニモーダルの主な違いは、オムニモーダルでは3つのソースをシームレスに並行運用できることだ。 また、これらの機能強化により、音声変調、皮肉を理解する能力、自然な会話能力を向上させた音声を生成できるようになった。 ChatGPTユーザーは、価格を下げて無料でご利用いただけます。 GPT-4oは従来のGPT-4ターボより効率的で高速であるが、GPT-4ターボの半分の価格（API）であるため、GPT-4oは5.00米ドル/1Mインプットトークン、15.00米ドル/1Mアウトプットトークンとなる。 より良い価格設定により、コンテキストのウィンドウは128kトークンとなり、知識のカットオフは2023年10月となった。 GPT-4oはすべてのChatGPTユーザーが無料で利用できます（ChatGPT PlusユーザーはGPT-4oの上限が5倍になります）。 これと並行して、オープンAIはChatGPTデスクトップアプリも発表した。このアプリでは、ユーザーはGPT-4oの視覚機能を利用して、スクリーンに表示されるコンテンツを読み解くことができる。 ユーザーはデスクトップアプリを使ってChatGPTと話すこともできる。 GPT-4oデモ OpenAIによると、GPT-4oへのアクセスは今後数週間かけて段階的に展開され、ChatGPT Plusのユーザーは優先的かつ早期にアクセスできるようになるという。 このモデルの真の可能性を理解するのは、今後数週間のうちにアクセスできるようになってからだ。 エキサイティングな時間が待っている！

記事を読む
グロックとラマ3：ゲームを変えるデュオ
  • アーティフィシャル・インテリジェンス

グロックとラマ3：ゲームを変えるデュオ

数カ月前、「Groq」という名の新会社が突如として現れ、AI業界で画期的な進歩を遂げた。 LPUは、LLM、特にLlama、Mixtral、GemmaのようなオープンソースのLLMの推論エンジンとして、開発者がLPUにアクセスするためのプラットフォームを提供しました。 このブログでは、Groqの特徴を探り、LPUの背後にある驚異を掘り下げてみよう。 Groqとは？ “GroqはGenAIの推論速度の標準を設定する使命を担っており、リアルタイムのAIアプリケーションの実現を今日から支援しています。”- Groqウェブサイト GroqはGPTやGeminiのようにLLMを開発する会社ではない。 その代わりにGroqは、これらの大規模な言語モデルの基盤、つまりそれらが動作するハードウェアを強化することに重点を置いている。 推論エンジン」の役割を果たす。 現在、市場にあるほとんどのLLMは、プライベートサーバーやクラウド上に配置された従来のGPUを利用している。 これらのGPUは、Nvidiaのような会社から供給される高価で強力なものですが、依然として伝統的なGPUアーキテクチャに依存しており、LLM推論には最適ではないかもしれません（しかし、強力であることに変わりはなく、モデルのトレーニングには適しています）。 Groqが提供する推論エンジンは、LPU（言語処理ユニット）上で動作する。 LPUとは何ですか？ 言語処理ユニットはLLMのために特別に設計されたチップで、CPUとGPUを組み合わせた独自のアーキテクチャで構築されており、LLM向けのAIソリューションのペース、予測可能性、パフォーマンス、精度を一変させる。 LPUシステムの主な特徴。 クレジットGroq LPUシステムは、グラフィックプロセッサ（GPU）と同等かそれ以上の計算能力を持ち、1単語あたりの計算時間を短縮することで、より高速なテキストシーケンスの生成を可能にします。 Groqのウェブサイトに掲載されているLPU推論エンジンの特徴： 卓越したシーケンシャル性能 シングル・コア・アーキテクチャ 大規模展開でも維持される同期ネットワーキング >50B LLMの自動コンパイル機能 インスタント・メモリー・アクセス 低い精度レベルでも維持される高い精度 Groqが提供するサービス GroqCloudクラウド上のLPU GroqRack：最大64個のチップを相互接続できる42Uラック GroqNode：8台のGroqCard™アクセラレータを相互接続した4Uラック対応スケーラブル・コンピューティング・システム GroqCard：標準PCIe Gen 4×16フォームファクタのシングルチップで、手間のかからないサーバー統合を実現 「AIとは全く異なる種類のタスクを行うために設計されたCPUや、偶然AIのようなことを行うためにCPUをベースに設計されたGPUや、AIに適したものにするためにGPUを改良したTPUとは異なり、Groqは一から、第一原理から、AIのためのコンピューターシステムなのです」ダニエル・ウォーフィールド（データサイエンスに向けて LPUがGPU、TPU、CPUとどのように異なるかについては、ダニエル・ウォーフィールド（Daniel Warfield）氏がTowards Data Scienceに寄稿した包括的な記事を読むことをお勧めします。 Groqは何のためにあるのか？ LLMは非常に強力で、非構造化データの解析から猫のかわいさに関する質問への回答まで、幅広いタスクをこなすことができる。 しかし、現在のところ、その主な欠点は応答時間にある。 応答時間の遅さは、バックエンドプロセスでLLMを使用する際に大きなレイテンシーにつながる。 例えば、データベースからデータをフェッチし、JSONフォーマットで表示するのは、データを変換するためにLLMを通すよりも、従来のロジックを使った方がはるかに速い。 しかし、LLMの利点は、データの例外を理解し処理する能力にある。 Groqが提供する驚異的な推論速度により、LLMのこの欠点は大幅に軽減される。 LPUを使えば、オープンソースのモデルをより安価に導入でき、レスポンスも速くなる。 Groqのラマ3 数週間前、メタ社は、すでにパワフルで非常に高性能なオープンソースのLLM-Llama 3の最新版を発表した。 スピード、データ理解力、トークン生成における典型的な強化に加えて、2つの重要な改善が目立つ： Llama 2の7倍のデータセットと4倍のコードで学習。 コンテキストの長さを2倍の8,000トークンに。 Llama 2はすでに手ごわいオープンソースLLMだったが、これら2つのアップデートにより、Llama 3の性能は大幅に上昇すると予想される。… Read more »

記事を読む
2024年の無料オープンソースLLMトップ5
  • アーティフィシャル・インテリジェンス

2024年の無料オープンソースLLMトップ5

LLMは今やどこにでもあり、紹介するまでもない。 技術職であろうとなかろうと、日常的に何らかの形でLLMに遭遇しているか、現在利用している可能性はある。 現在最も著名なLLMには、OpenAIのGPT、AnthropicのClaude、GoogleのGeminiなどがある。 しかし、これらの一般的なLLMは、抽象的あるいはブラックボックス的なシステムとして運用されることが多く、データのプライバシーや透明性に関する懸念が生じる。 このような問題に対処するため、オープンソースのLLMがいくつか提供されており、ユーザーは安心してプライベートマシンやサーバーにLLMを導入することができる。 オープンソースとは、ソースコードを自由に閲覧、変更、配布できる状態で配布されているソフトウェアや製品のことを指す。 このアクセシビリティによって、ユーザーはソフトウェアを理解し、向上させ、開発に貢献することができる。 現在利用可能なオープンソースのLLMの中で最も優れたものをいくつか紹介しよう： ラマ2 Llama 2は、Meta社によって開発されたオープンソースのLLMで、商用および研究用に無料で提供されている。 ラマ2のモデルは2兆個のトークンで学習され、ラマ1の2倍のコンテキストの長さを誇る。 モデルのパラメータは、テキストを理解する能力に直接影響し、より大きなモデルは、サイズとリソース要件の増加の代償として、より良いパフォーマンスを提供する。 バリエーションあり：7B、13B、70Bパラメータ コンテキストウィンドウ4096トークン 対応言語英語に最適 ミクストラル 8x7B Mistral AIが開発したMixtral 8x7Bは、総パラメータ46.7Bを含むLLMである。 その大きさにもかかわらず、3分の1の大きさのモデルと同程度の推論スピードとコストを維持している。 このデコーダのみのTransformer Mixture of Experts(MoE)モデルは、特定のベンチマークにおいてLLama 2とGPT-3.5を大幅に上回る。 利用可能なバリエーション：小型、小型、中型、大型（コストパフォーマンスの高いものから高性能なものまでランク付けされている） コンテクスト・ウィンドウ32000トークン（Mistral Largeの場合） 対応言語英語, フランス語, スペイン語, ドイツ語, イタリア語 (Mistral Largeの場合) ファルコン アブダビのテクノロジー・イノベーション・インスティテュート（TII）が開発したファルコンも、オープンソースの代表的なLLMである。 ファルコン40Bは、発売後2ヶ月間、Hugging Faceのオープンソース大規模言語モデル（LLM）のリーダーボードで1位を維持しました。 180B型では、TIIはモデルの知識とデータ理解能力をさらに強化した。 ファルコン180Bは、3.5兆個のトークンで訓練された超強力な言語モデルです。 利用可能なバリエーション：ファルコン40Bおよびファルコン180B コンテキストウィンドウ4096トークン 対応言語英語、ドイツ語、スペイン語、フランス語、イタリア語、ポルトガル語、ポーランド語、オランダ語、ルーマニア語、チェコ語、スウェーデン語に限定対応。 ブルーム BLOOMはビッグサイエンス社が開発した自己回帰型大規模言語モデル（LLM）である。 176Bのパラメータで訓練されたBLOOMは、膨大なテキストデータと産業規模の計算リソースを用いて、プロンプトからテキストの続きを生成することに優れている。 利用可能なバリエーション：ブルーム-560M、ブルーム-1B1、ブルーム-1B7、ブルーム-3B、ブルーム-7B1、ブルーム176B コンテキストウィンドウ2048トークン 対応言語46の自然言語（データ量はさまざま、英語の30％からChi Tumbukaの0.00002％まで） ジェマ Gemmaは、Geminiの成功に続く、グーグルの最新鋭のオープンLLMである。… Read more »

記事を読む

最初のアシスタントは数分の距離にあります

ビジネス知識を活用しましょう。

無料の Cody アカウントから始めてください。コンテンツを追加し、アシスタントを構築し、最初の役立つ回答を今すぐ共有してください。

AI を構築する価格を見る