从GPT到GPTs,我们有了越来越多专属的GPT能力。
去年,OpenAI首次开发者大会推出GPT Store,其中简易定制GPT工具(GPTs)引发开发热潮,一周时间GPTs的数量就达到1.5万个。
简单来说,GPTs就是无需编程经验,只使用自然语言或者配置一些参数, 就可以快速构建一个基于GPT,拥有专属技能的AI应用。
相比GPT,GPTs更注重用户的个性化需求和定制化开发,这种定制化的服务模式使得GPTs在教育、医疗、金融等领域都具有广泛的应用前景。
之前很多GPT套壳应用就是基于GPT的API去做Prompt工程,实现某一领域的专业能力。因为与GPTs的理念异曲同工,也让很多GPT套壳创业企业大受打击,所以要做一款优质的垂类GPTs最关键的一定要有独家专业数据做基础,才能形成竞争壁垒和特色。。
在GPT Store,人人都可以成为开发者,做出自己的 AI。现在每天都有上千个GPTs产生,GPTs的不断汇集也形成了像Apple Store一样的形态,成为AIGC时代的应用商店。
本期数字化转型方略将对图像生成、写作、生产率、研究与分析、编程、教育和生活方式几个场景现有最火爆的GPTs进行分析,看看在细分场景下它们为何能脱颖而出。同时我们也针对这些场景创建出一套自己的Prompt,为处理某一专项工作提出见解。
未来,GPTs预计将进入更多领域,像环境科学、城市规划等,利用其强大的数据分析能力帮助解决更广泛的社会问题。然而,这一进程也伴随着挑战,例如如何保证AI生成内容的真实性和安全性,以及如何处理模型潜在的偏见问题。
希望我们提供的Prompt可以让您在使用AI时,获得最满足您需求的答案。
《数字化转型方略》2024年第3期:http://www.zhiding.cn/dxinsight/2403
好文章,需要你的鼓励
Anthropic发布了面向成本敏感用户的Claude Haiku 4.5大语言模型,定价为每百万输入令牌1美元,输出令牌5美元,比旗舰版Sonnet 4.5便宜三倍。该模型采用混合推理架构,可根据需求调整计算资源,支持多模态输入最多20万令牌。在八项基准测试中,性能仅比Sonnet 4.5低不到10%,但在编程和数学任务上超越了前代Sonnet 4。模型响应速度比Sonnet 4快两倍以上,适用于客服聊天机器人等低延迟应用场景。
上海AI实验室联合多家顶尖机构开发出全球首个科学推理大模型SciReasoner,该模型在2060亿科学数据上训练,支持103个科学任务,能够像科学家一样进行逻辑推理并展示思考过程。它实现了化学、生物学、材料科学等多领域知识整合,在分子设计、性质预测、文献分析等方面表现出色,为科学研究提供了强大的AI助手工具。
英国初创公司Nscale将为微软建设四个AI数据中心,总计部署约20万个GPU,合同价值高达240亿美元。首个数据中心将于明年在葡萄牙开建,配备1.26万个GPU。德州数据中心规模最大,将部署10.4万个GPU,容量从240兆瓦扩展至1.2吉瓦。所有设施将采用英伟达最新Blackwell Ultra显卡。
南洋理工大学研究团队开发出SHINE方法,这是一种无需额外训练就能实现高质量图像合成的新技术。该方法通过巧妙引导现有AI模型的潜能,能够在复杂光影条件下完美合成图像,包括准确的阴影生成和水面倒影效果。研究团队还创建了ComplexCompo基准测试集,验证了SHINE在各种挑战性场景中的卓越性能,为图像编辑技术的发展开辟了新方向。