Qua vạch đó, tôi không còn phân được ai thông minh hơn

Vạch được đặt giữa Opus 4.5 và 4.6: hầu hết mọi người không còn nêu được việc vượt mô hình. Qua vạch, cái còn phân được là định nghĩa sản phẩm. Jev nhả một xác suất, không phải đoạn chat thông minh hơn kế tiếp.

Folkbench folkbench.com

Đồng tác giả: folkbench.com (Folkbench là nền tảng đánh giá và lựa chọn có thể kiểm chứng cho API AI, dịch vụ mô hình và các trang liên quan. Nền tảng dựa trên thông tin dịch vụ đã công bố, giá, độ sẵn sàng, độ trễ và cửa sổ bằng chứng để giúp người dùng so sánh và chọn một đường đi.)

Nhóm này gồm mười bài:

Cuộc đua giữa các mô hình nền đang ở năm thứ ba. Hầu hết những bên còn ở bàn đã qua một vạch. Vạch đó không thấp.

Định nghĩa của tôi về nó là một câu. Chín mươi phần trăm người dùng không còn nêu được một việc nằm ngoài tầm một mô hình. Việc vẫn còn đó. Người không ngừng hỏi. Những câu hỏi đó, các mô hình nhận được. Trả thư, gom biên bản, sửa một lỗi, biến một đống tài liệu thành vài mục: tôi đã thôi dùng những việc này để xếp hạng chúng từ lâu. Chúng ngồi trong vạch. Tôi đặt điểm rơi giữa Opus 4.5 và 4.6. Trên đó, nó nhòe thành một mảng.

Hai năm trước, tôi vẫn đuổi các lần phát hành và chuyển vào để so, nghiêm túc, ai mạnh hơn. Năm nay tôi thôi so. Các bảng vẫn đang cập nhật. Việc trong tay tôi không thêm được một bậc nữa.

Sau khi chuyển, chỉ còn một cảm giác

Trước vạch, tôi phân được. Một đoạn dài có rã không, tôi biết bằng cách đổi mô hình. Các điều kiện trước còn đó không khi các bước chất lên, tôi cảm được trong tuần. Sau vạch, tôi không cảm được khác biệt về năng lực. Đổi mô hình thường chỉ để lại ấn tượng là nó khá hơn một chút. Khá hơn ở đâu, tôi không nói được.

Cùng loại việc, tháng trước còn cần tôi làm lại, tháng này thì qua. Biên bản họp bỏ vào, và các việc phải làm ra. Hai nhà cung cấp ra lệch một hai dòng, và với tôi cả hai đều dùng được. Mã cũng vậy. Dán một lỗi, và cả hai đều đưa được một cách sửa. Đôi khi tôi cảm một bên sạch hơn, với một diff nhỏ hơn. Tôi không chỉ được lần cập nhật chúng tách ra. Nếu phải chọn, tôi chọn thay đổi nhỏ hơn. Không có ngày nào ở giữa để tôi chỉ và nói, từ đây nó làm được việc này. Các mức tăng vẫn đến. Chúng quá mịn để những ngày của tôi nhớ.

Nên tôi ít đổi mô hình vì chuyện này hơn. Ai thông minh hơn ở bậc kế, tôi không phân được.

Những cái này tôi vẫn phân được

Thứ tôi cảm trước hết là hình của cái nó nhả. Cái nhả chữ, tôi coi như người để nói chuyện. Tôi đưa cho nó một bản ghi lộn xộn và bảo nó gom vài việc phải làm. Tôi đọc một lần, đổi vài chữ, và ném lại nếu không hài lòng. Vòng đi về đó thì quen. Giọng nói là một đường khác. Tôi nói với nó, và nó nói lại. Tôi không dùng nhiều. Tôi bật khi đang trên đường. Khoảnh khắc tôi cần đổi chữ, tôi quay lại chữ sao chép được. Tôi nhận ra hình này.

Cái nhả hành động thì khác hơn. Nó thao tác một máy tính và tự bấm hết một luồng. Tôi nhìn tay nó. Bấm sai chỗ, thì chữ sau đó đầy đến đâu cũng không giúp. Còn một loại chỉ đưa một xác suất. Jev là loại đó. Nó không nhả chữ, và nó không thao tác máy tính. Tôi đã gặp hết những cái này. Tôi phân được vì cách tôi nhận lại thì khác.

Tính khí và khẩu vị cũng tách người. Đưa cùng một tài liệu, có bên viết rất đầy, thêm một câu ở mép, sợ tôi không hiểu. Có bên dừng ở đây và để phán đoán cho người. Tôi giữ ai thường tùy tính khí đó có vừa tay không. Cái dừng đúng chỗ, tôi giữ trong cửa sổ tôi mở mỗi ngày. Một điểm cao hơn bên cạnh, và tôi vẫn hiếm khi đổi cửa sổ vì điểm.

Chi phí và độ trễ được cảm cùng nhau. Nó ngồi ở đoạn nào của đường cong chi phí, và đoạn nào của đường cong độ trễ, hai lần dùng là đủ biết. Chat với một người, tôi chịu chờ lâu hơn một chút. Người dù sao cũng phải dừng. Đặt nó lên một luồng chạy đi chạy lại, thì chờ thành một chỗ nghẽn. Chậm đến mức tôi đi rót một cốc nước được, thì nó chỉ thuộc về một cuộc nói. Đắt đến mức tôi không dám gọi thêm một lần, thì nó không vào được những bước nhỏ và dày. Nếu nó rẻ, và nó về nhanh, thì tôi dám trải nó ra. Nếu cái về là một đoạn tôi phải đọc hết, rẻ cũng không giúp. Tôi vẫn không đặt nó vào một vòng lặp được.

Từ chối cũng là một khác biệt. Nó từ chối cái gì, và từ chối thế nào, hiện ra sau một thời gian dùng. Có bên từ chối thẳng, rất ít chữ. Tôi biết đường đã đóng, tôi đổi câu hỏi, và một câu đã đổi là đủ để đi tiếp. Có bên không nói vậy. Chúng đi vòng việc và trả lại một việc đã lệch. Tôi vẫn sẽ nghĩ mình chưa nói rõ, và mài thêm một vòng trên một kết quả xấu. Cái tôi nhìn bây giờ là lần sau tôi có dám giao việc này cho nó không.

Một mô hình mới nói chỗ của nó trước

GPT-6 khiến thế giới nhận ra computer use lần nữa. Việc thao tác máy tính được đặt lại phía trước của một lần phát hành. Cái tôi quan tâm không phải là các mô hình đã dùng chuột được từ trước. Qua vạch, điều đó không còn mới. Tôi từng xem một lần phát hành để tìm thêm một bậc cao. Lần này tôi đổi câu hỏi. Một công ty phát hành mô hình mới phải nghĩ về chỗ đứng của mình trước: làm cho ai, và nó đặc biệt giỏi việc gì. Nó không phải đứng lên nói rằng nó là bậc kế tiếp, thông minh hơn.

Jev là một cực tôi thực sự chạm gần đây. Nó không tranh với Opus về viết. Viết, nó không nhận. Cái nó chiếm là khớp. Tài liệu đến chỗ phải ra quyết định, câu hỏi thì đóng, và các lựa chọn đã được đưa từ trước. Cái trả về là một xác suất. Nó về ngay. Ở phía chat tôi vẫn chuyển sang cửa sổ khác và chờ. Ở đây tôi không phải chuyển đi. Kết quả đã về. Loại đầu ra này không bị tính phí. Cái tôi ném sang không phải “viết cho tôi một đoạn”. Là một phán đoán đã khoanh: đường này có đi không, và chắc đến mức nào. Sau khi xác suất về, thứ nhận lại là một chương trình, không phải tôi ngồi đó đọc hết rồi mới quyết. Tôi không có ham muốn chat với nó. Chỗ đó không dành cho chat. Các mô hình chat có thể đi lên tiếp, và cái chúng nhả vẫn là chữ. Jev bỏ bước sinh chữ. Đây không phải chat thông minh hơn. Là một loại sản phẩm khác.

Giữa các công ty mô hình, bây giờ tôi nhìn lộ trình, và nhìn định nghĩa sản phẩm có mang hết được không. Một mô hình được thiết kế thế nào bây giờ quy về hai việc đó. Không phải cái tên đứng đầu một bảng quyết định. Tên trên bảng đổi sau một thời gian. Một mô hình định nhả cái gì, hình đã chốt thì việc huấn luyện và giao diện đi theo, và giá cũng đi theo.

Các lối khác, bài này chỉ mang một câu. Có bên đẩy kỹ thuật đến cực. Có bên quay sang xây một suite dọc. Phần còn lại đơn giản là không nói, và tiếp tục đẩy một mô hình tổng quát. Các suite cụ thể của DeepSeek và Kimi không được mở ở đây. Chúng được viết trong JEV - Một mô hình cực giản, một suite, và một cái không nói.

Qua vạch đó, tôi không còn phân được ai thông minh hơn. Khi tôi đổi, vẫn có thể cảm khá hơn một chút. Cảm giác đó không đủ để tôi chọn. Cái tôi phân được là định nghĩa sản phẩm. Bạn nhả chữ, nhả hành động, hay chỉ nhả một xác suất.

Nguồn

Nhóm bài