35 procentai mokančių Vercel komandų išbandė Jev modelį
Vercel duomenimis, Jev per pirmas dvi savaites pasiekė 35 procentus mokančių komandų. Šie vartų duomenys neaprašo visos DI rinkos.
Jev sprendimų modelį per pirmąsias dvi savaites naudojo 35 procentai mokančių Vercel DI vartų komandų, rodo paskelbti platformos duomenys. Spalio 16 dieną juos aptaręs TechCrunch pabrėžia, kad tai greičiausias tokio laikotarpio modelio įsisavinimas šiuose vartuose, o ne visoje rinkoje. Duomenys apima per šią konkrečią paslaugą dirbančias komandas.
Pasak leidinio, TypeSafe AI sukurtas modelis skirtas pasirinkti vieną iš kelių iš anksto nustatytų atsakymų, užuot rašęs laisvą tekstą. Tokia apribota paskirtis leidžia didelius duomenų kiekius klasifikuoti pigiau ir greičiau nei naudojant universalius modelius, teigiama publikacijoje.
Vercel statistikoje Jev pasiekė beveik dvigubai daugiau mokančių komandų nei antroje vietoje buvęs Sonnet 5.5, nurodo TechCrunch. Tai komandų naudojimo rodiklis, todėl jo negalima tiesiogiai tapatinti su pajamų dalimi, bendru užklausų skaičiumi ar modelių kokybės reitingu.
Leidinys nurodo, kad ribotas Jev leidimas pasirodė rugsėjo 15 dieną, o duomenų ataskaita buvo paskelbta ketvirtadienį, spalio 15 dieną. Pirmųjų dviejų savaičių palyginimas apibūdina ankstyvą įsisavinimą po modelio pasirodymo, ne visą nuo išleidimo praėjusį laiką ar vien paskutinę savaitę.
TechCrunch aiškina, kad sprendimų modelio išvesties apribojimas ypač tinkamas užduotims, kuriose iš anksto žinomos leidžiamos kategorijos arba sprendimai. Tokio įrankio paskirtis skiriasi nuo pokalbių asistento, kuriam pateikiamas atviras klausimas ir tikimasi išsamaus paaiškinimo ar naujo teksto.
Pati Vercel buvo ankstyva Jev naudotoja ir juo pakeitė GPT-6 Luna pavojingoms komandoms klasifikuoti, rašo publikacijos autorius Russell Brandom. Šis konkretus taikymas paaiškina, kodėl ribota išvestis gali būti naudinga produkto viduje, net jeigu modelis neatlieka universalaus asistento vaidmens.
Ataskaitos duomenys gaunami iš Vercel AI Gateway, bendros programinės prieigos prie skirtingų tiekėjų modelių paslaugos, kurią TechCrunch lygina su OpenRouter. Naudotojai, tiesiogiai prisijungiantys prie laboratorijų sąsajų, nepatenka į tą pačią imtį, todėl jų veiklos ši statistika nematuoja.
Leidinys ypač išskiria galimą OpenAI ir Anthropic nuvertinimą, nes abi laboratorijos siūlo nuosavas tiesiogines programavimo sąsajas savo klientams. Dėl tokios atrankos Vercel klientų elgesio negalima pateikti kaip visų pasaulio įmonių pasirinkimo ar vienareikšmės vieno tiekėjo persvaros įrodymo.
Toje pačioje ataskaitoje atviri modeliai sudaro daugiau nei 70 procentų per vartus apdorojamų žetonų, bet beveik ketvirtadalį bendrų išlaidų. TechCrunch nurodo, kad išlaidos pažangiausioms laboratorijoms kartu padidėjo dešimt kartų, nors jų santykinė visų išlaidų dalis šiame kanale sumažėjo.
Šie skirtingi matavimai rodo, kad naudojimo apimtį ir mokėjimus būtina nagrinėti atskirai, nevadinant kiekvieno žetono vienodos vertės paklausos vienetu. Tolesnė Vercel statistika turės parodyti, ar pirmųjų savaičių Jev įsisavinimas išliks, o dabartinė publikacija ilgalaikio išlaikymo duomenų dar nepateikia.
Rašome apie dirbtinį intelektą lietuviškai. Kiekvienas straipsnis parengtas pagal nurodytą šaltinį, o nuorodą į originalą rasite kortelėje „Šaltinis“.
