बऱ्याच एआय टूल्स तुम्हाला भविष्यातील आवृत्त्या सुधारण्यासाठी मॉडेल प्रदात्यासोबत तुमचा वापर सामायिक करण्याची निवड रद्द करण्याची परवानगी देतात. मेटाने ती कल्पना घेतली आहे आणि त्यावर किंमत टॅग लावला आहे.
त्याच्या नवीन म्युझ स्पार्क मॉडेलसाठी, ऑपरेटिंग कोडिंग आणि इतर एजंट्ससाठी, ते ऑफर करत आहे स्पष्ट सवलत जे वापरकर्ते त्यांचे प्रॉम्प्ट आणि मॉडेल आउटपुट सामायिक करून भविष्यातील मॉडेलच्या विकासासाठी “योगदान” देतात त्यांच्यासाठी सरासरी सुमारे 95%.
मानक करारांतर्गत एक दशलक्ष इनपुट टोकनची किंमत $1.25 आहे, तर योगदानकर्ता किंमत मॉडेल अंतर्गत त्यांची किंमत फक्त $.10 आहे. आउटपुट टोकनसाठी, मानक किंमत $4.25 प्रति दशलक्ष आहे, परंतु तेच दशलक्ष योगदानकर्ता मॉडेल अंतर्गत फक्त $.20 आहे.
मेटाला प्रशिक्षण डेटा मिळविण्याच्या प्रयत्नात कठीण वेळ गेला आहे: आपल्या कर्मचाऱ्यांच्या संगणकाच्या वापराचा मागोवा घेण्याचा एक उपक्रम, या वर्षाच्या सुरुवातीला लॉन्च करण्यात आला, ज्यावर व्यापक अंतर्गत टीका झाली आणि विराम दिला होता जून मध्ये. कंपनीने त्याच्या नवीन किंमत मॉडेलबद्दल रीडच्या प्रश्नाला उत्तर दिले नाही.
एजंटिक साधने अधिक चांगले कार्य करण्यासाठी या प्रकारचा वापरकर्ता डेटा महत्त्वपूर्ण आहे. “आम्ही एप्रिल 2025 ते ऑक्टोबर 2025 या कालावधीत (कोडिंग एजंट) क्षमतांमध्ये मोठी उडी पाहण्याचे कारण म्हणजे क्लॉड कोड, डीफॉल्टनुसार, तुमची सर्व कोडिंग एजंट सत्रे संग्रहित करेल आणि ते मजबुतीकरण शिक्षण प्रशिक्षणासाठी वापरेल,” मारियो झेचनर, ओपन-सोर्स हार्नेस पाईमागील विकासक, मागील महिन्यात रीडला सांगितले.
परंतु मॉडेल-बिल्डर्ससाठी सॉफ्टवेअर अभियांत्रिकीबाहेर वापरण्यासाठी एजंटिक साधने वापरण्याची अत्यावश्यकता वाढत असताना, अनेक व्यावसायिक वर्कफ्लोच्या जटिलतेमुळे आणि डिजिटल ट्रेसच्या अभावामुळे त्या साधनांचे मूल्यांकन आणि सुधारणा करण्याची त्यांची क्षमता अवरोधित केली जाते.
अरविंद नारायणन, प्रिन्स्टन संगणक विज्ञान प्राध्यापक, यांनी नमूद केले की मोठ्या कंपन्यांना त्यांचा डेटा मॉडेल प्रशिक्षणासाठी वापरला जाऊ नये असे चांगले पुरावे आहेत.
“क्लॉड मॅक्स आणि चॅटजीपीटी प्रो सारख्या सबस्क्रिप्शन-आधारित ग्राहक योजनांवर 10x-20x किंवा त्याहूनही अधिक सूट दिली असली तरीही ते टोकन-बिल केलेल्या एंटरप्राइझ प्लॅनसह टिकून आहेत! (योजनांमधील मुख्य फरक म्हणजे डेटा रिटेन्शन + एंटरप्राइझ आयटी गव्हर्नन्स),” तो लिहिले सोशल मीडियावर.
कदाचित त्या गतिशीलतेच्या ओळखीसाठी, मेटा ती माहिती मिळविण्यासाठी कंपन्यांना स्पष्ट भरपाई देऊ करत आहे. त्याची किंमत मार्गदर्शक नोंद करते की योगदानकर्ता स्तर “प्रोटोटाइपिंग, चाचणी एकत्रीकरण आणि स्केलिंग प्रयोगांसाठी प्रवेशाचा अडथळा कमी करतो जेथे तुमच्या डेटावरील प्रशिक्षण स्वीकार्य आहे.”
नारायणन यांनी सुचवले की, त्या बदल्यात मोठ्या कंपन्यांना कोणता डेटा खरोखर मालकीचा आहे आणि कोणता मॉडेल प्रदात्यांसह सामायिक केला जाऊ शकतो याबद्दल अधिक मेहनती होण्यासाठी प्रोत्साहन देऊ शकते.
फ्रेमवर्क फ्रंटियर लॅब्समधील वाढत्या किंमतीच्या स्पर्धेत देखील खेळू शकते. काल रिलीझ झालेली अँथ्रोपिकची नवीन फॅबल आणि मिथॉस मॉडेल्स, कॅश्ड टोकन्सवर प्रक्रिया करण्यासाठी कमी खर्चासह आली, तर OpenAI च्या नवीनतम मॉडेल्सना मिळाले प्रमुख किंमती कपात जुलैच्या शेवटी.
तुम्ही आमच्या लेखांमधील लिंक्सद्वारे खरेदी करता तेव्हा, आम्ही एक लहान कमिशन मिळवू शकतो. याचा आमच्या संपादकीय स्वातंत्र्यावर परिणाम होत नाही.
Comments are closed.