Cody
ja
ENESFRDEJAKOPT-BRPLAR
エージェント
Cody Convert ロゴCody ConvertプロアクティブなウェブサイトエージェントCody Assist ロゴCody Assist知識とサポートCody Live ロゴCody 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
ブログプロンプト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

人工知能の記事

検索拡張生成、AIエージェント、モデル、実運用を支える知識システムについて、分かりやすい解説と実践ガイドをお届けします。

人工知能

人工知能の記事

100 記事

Meta SAM 2: AI画像分割の未来
  • 人工知能

Meta SAM 2: AI画像分割の未来

メタのSAM2とは？ Meta AI は、Segment Anything Model (SAM) のリリースにより、AI 画像セグメンテーション技術を大きく前進させた。 当初、SAM は、タスク固有の専門知識、広範なトレーニング、データ注釈を必要とせずに、あらゆる画像やビデオ内のあらゆるオブジェクトのセグメンテーションを可能にすることで、オブジェクトのセグメンテーションを民主化するために設計された。 この基盤の上に、Meta AIはオリジナルモデルの大幅なアップグレードとしてSAM 2を発表し、AI画像セグメンテーションの領域で可能なことの限界を押し広げた。 SAM 2は、画像と動画の両方において、リアルタイムでプロンプト可能なセグメンテーションをサポートする統一モデルを提示する。 この新バージョンは、セグメンテーションの精度とパフォーマンスを大幅に向上させるとともに、インタラクション時間を従来の3倍に短縮しました。 SAM 2のゼロショット汎化能力により、カスタム適応の必要なく、以前に見たことのないビジュアルコンテンツ内のオブジェクトをセグメンテーションすることができ、非常に汎用的で強力なものとなっている。 オブジェクトセグメンテーションの分野におけるSAM 2の重要性は、いくら強調してもしすぎることはない。 拡張現実から科学研究まで、幅広いアプリケーションに対応する包括的なソリューションを提供する。 画像とビデオデータのシームレスな統合を提供することで、SAM 2は、ビジュアルコンテンツとの接し方や分析方法に革命を起こす用意がある。 メタのSAM 2の主な特徴 Meta AIが発表したSegment Anything Model 2（SAM 2）は、前モデルとは異なるいくつかの画期的な機能を備えている。 第一に、SAM 2はリアルタイムでプロンプトが表示されるオブジェクトのセグメンテーションに優れており、画像と動画の両方にシームレスな機能を提供します。 これは、ユーザーがオブジェクトを迅速にセグメンテーションできることを意味し、コンテンツ作成から科学的分析に至るまで、様々なアプリケーションの効率を向上させる。 SAM 2の最も顕著な特徴の1つは、ゼロショット汎化機能である。 これにより、このモデルは、カスタム調整なしで、初めて遭遇するビジュアルコンテンツのオブジェクトを正確にセグメンテーションすることができます。 このような汎用性により、SAM 2は水中写真から医療画像まで、さまざまな領域で高い適応性を発揮する。 さらに、SAM 2は、セグメンテーションの精度を向上させると同時に、元のモデルに比べてインタラクション時間を3倍に大幅に短縮した。 この改善は、迅速かつ正確なオブジェクトのセグメンテーションを必要とするアプリケーションにとって非常に重要であり、ユーザーエクスペリエンスと生産性を向上させます。 統一されたモデルとして、SAM 2は多様な実世界のユースケースをサポートし、革新的なAI主導の体験への道を開きます。 SAM2のAI画像分割への応用 Meta社のSegment Anything Model 2 (SAM 2)は、様々な分野に変革的な機能をもたらし、特に視覚データとの対話と理解の方法を強化します。 拡張現実と仮想現実（AR/VR）において、SAM 2はユーザーの視線に基づくオブジェクトのセグメンテーションに利用でき、より直感的で没入感のある体験を可能にする。 例えば、ユーザーは仮想オブジェクトを見るだけで選択・操作でき、ユーザーインターフェースやインタラクションパターンに革命をもたらす。…

記事を読む
Mistral Large 2
  • 人工知能

ミストラル ラージ2：知っておくべき主な機能

Mistral AIは、AIモデルの性能と効率における新たなベンチマークとなる最新のフラッグシップモデル、Mistral Large 2を発表しました。 この最新モデルは、多言語サポートや費用対効果など、いくつかの領域で大きな進歩をもたらし、複雑なAIアプリケーションをより効果的に構築することを目指す開発者や企業にとって価値あるツールとなります。 Mistral Large 2は、128Kのコンテクストウィンドウを備え、英語、フランス語、ドイツ語、中国語などの主要言語から、ヒンディー語、韓国語などの特殊言語まで、数十の言語をサポートしています。 さらに、80以上のコーディング言語にも対応しており、グローバル化が進む現代社会では欠かせないリソースとなっている。 また、このモデルはコスト効率も考慮して設計されており、研究用としても商業用としても利用できる。 この高性能と低価格のバランスにより、Mistral Large 2は、AI業界において非常に競争力のある選択肢となっています。 ミストラル・ラージ2の主な特徴 Mistral Large 2は、128Kのコンテキストウィンドウを誇り、広範で複雑なデータセットを処理する能力を大幅に向上させています。 この広大なコンテキストウィンドウは、様々なコンテキストを理解し、適切な応答を生成するモデルの能力を拡張します。 このモデルは、英語、フランス語、ドイツ語、中国語などの主要なグローバル言語をカバーする数十の言語をサポートしています。 さらに、ヒンディー語や韓国語のような特殊な言語もサポートしているため、多様な言語アプリケーションに対応します。 さらに、Mistral Large 2はコーディングにも優れており、Python、Java、C++を含む80以上のプログラミング言語をサポートしています。 この機能により、複雑なコーディングプロジェクトに取り組む開発者にとって理想的な選択肢となります。 1,230億ものパラメータを持つこのモデルは、推論能力を強化し、より正確で信頼性の高い出力を保証します。 特に、AIが生成する幻覚を最小限に抑えることに重点を置き、正確な情報を提供するモデルの信頼性を向上させている。 大規模言語モデルの利点とリスクに関する詳細については、オープンソース言語モデルの記事をご覧ください。 パフォーマンスとコスト効率 Mistral Large 2はMMLUベンチマークで84.0%という驚異的な精度を達成し、パフォーマンスとコスト効率の面で他のモデルに対して有利な位置づけとなりました。 この高い精度は、このモデルが信頼性の高い正確な出力を提供する能力を備えていることを裏付けており、主要なAIモデルの中で強力な候補となっています。 このモデルの性能/コスト比は特筆すべきもので、オープンモデルのパレートフロントに位置しています。 これは、Mistral Large 2が性能とコストのバランスの取れた組み合わせを提供し、開発者と企業の両方にとって魅力的な選択肢であることを示しています。 さらに、Mistral Large 2は、研究および非商用目的での使用と改変を許可する研究ライセンスと、商用アプリケーションでの自己展開のための商用ライセンスの2つのライセンスオプションで利用可能です。 GPT-4やLlama 3のようなライバルモデルと比較した場合、Mistral Large 2は、特に複雑なタスクを処理し、様々なアプリケーションで正確な結果を出すことにおいて、競争力のある性能を示しています。 統合とアクセシビリティ Mistral Large 2とMistral Nemoを含むMistral AIモデルは、様々なプラットフォームにシームレスに統合し、アクセスできるように設計されています。 これらのモデルはla PlateformeとHuggingFaceでホスティングされており、開発者や企業が簡単にアクセスできるようになっています。 さらに、Mistral AIは、Google Cloud、Azure AI…

記事を読む
Llama 3.1
  • 人工知能

メタのラマ 3.1：主な特徴と機能

急速に進化する人工知能の状況において、メタ社のLlama 3.1のリリースは重要なマイルストーンであり、技術力だけでなくオープンソースAIの戦略的ビジョンも示している。 Llama3.1は、4,050億パラメータという前例のない規模を持ち、メタ社がこれまでに開発した中で最も先進的なAIモデルとして際立っている。 このイニシアチブは、最先端のAI技術へのアクセスを民主化することを目的としており、開発者のための協力的な環境を育成することで、既存のプロプライエタリー・ソリューションに挑戦している。 このブログでは、技術仕様、オープンソースAIの利点、戦略的パートナーシップ、そしてこの画期的なモデルを取り巻く倫理的配慮について掘り下げていく。 ラマ3.1とは？ メタ社は最近、これまでで最も先進的なオープンソースAIモデルであるLlama 3.1を発表した。 このモデルは、4,050億個という驚異的なパラメータ数で際立っており、オープンソースのAIモデルとしては最大規模となっている。 Llama 3.1のリリースは、OpenAIのGPT-4やAnthropicのClaude 3.5 Sonnetのようなプロプライエタリなモデルに対する強力な競争相手として位置づけられるため、AIモデル業界において極めて重要な瞬間となる。 Llama 3.1の重要性は、その規模の大きさだけにとどまらない。 Llama 3.1は、様々なベンチマークにおいて優れた性能を発揮するように設計されており、自然言語の理解と生成において強化された能力を示している。 これにより、Llama 3.1は技術的な強豪としてだけでなく、AIモデル分野における革新と進歩の触媒としても位置づけられている。 技術仕様とトレーニング Llama 3.1の中核をなすのは、4050億ものパラメータを誇る比類なきスケールです。 この巨大な規模は、自然言語を理解し生成する能力の向上につながり、AIモデルのパフォーマンスにおける新たなベンチマークを設定します。 Llama 3.1の学習プロセスでは、16,000以上のNvidia H100 GPUが活用され、モデルの堅牢な計算基盤が強調されています。 この広範なトレーニング・インフラにより、Llama 3.1は多くの先行モデルよりも複雑なタスクをより効率的に処理することができます。 さらに、Llama 3.1は汎用性にも優れている。 その機能には「イマジン・ミー」があり、ユーザーは携帯電話のカメラを使って自分の似顔絵を作ることができる。 さらに、フランス語、ドイツ語、ヒンディー語、イタリア語、スペイン語といった多言語をサポートすることで、多様な言語層にアピールし、応用の幅を広げている。 検索エンジンのAPIと統合できる機能は、その機能的汎用性をさらに高め、さまざまな分野での貴重なリソースとなっている。 オープンソースLLMの利点 メタ社のLlama 3.1の背後にあるビジョンは、先進的な機械学習ツールへのアクセスを民主化する強固なオープンソースAIモデル・エコシステムを構築することである。 このイニシアチブは、オペレーティングシステムの領域でLinuxの変革的成功を再現するというマーク・ザッカーバーグCEOの野心と密接に一致している。 開発者にモデルを自由に変更して使用する能力を提供することで、Metaは、イノベーションと急速な技術進歩を促す協調的な環境を育成することを目指している。 オープンソースのAIモデルの利点は、開発者にとって特に説得力がある。 開発者は、プロプライエタリなソリューションに伴う障壁なしに、高度に洗練されたモデルへの前例のないアクセスを得ることができる。 これにより、特定のニーズに合わせてモデルをカスタマイズし、強化することが可能になり、革新的なアプリケーションやソリューションの創造が促進される。 しかし、大規模な商業利用には特に適用されるライセンス制限がある。 これらの制限は、オープンソースの理念と必要な保護措置のバランスを取りながら、倫理的な展開を保証し、悪用を防ぐために設計されている。 全体として、Llama 3.1は、包括的かつ協調的なAIモデルの未来に向けた極めて重要な一歩を表している。 コスト効率 その巨大な規模にもかかわらず、Llama 3.1は、OpenAIのGPT-4などの競合と比較して、よりコスト効率よく設計されている。 メタ社は、最適化されたトレーニングプロセスと16,000以上のNvidia H100 GPUの戦略的配置により、Llama 3.1の運用コストはおよそ半分になると主張している。 このコスト効率は、企業や開発者にとって特に有益であり、高性能AIをより身近で経済的なものにする。 長期的には、Llama…

記事を読む
GPT-4oミニ：知っておくべきこと
  • 人工知能

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。…

記事を読む
Claude AI 3.5 Sonnet
  • 人工知能

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。…

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？
  • 人工知能

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…

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