OpenGradient hat mich dazu gebracht, AI-Modelle etwas anders zu betrachten.
Nachdem ich Zeit damit verbracht habe, Gemini und Claude für verschiedene Workflows zu vergleichen, fiel mir auf, dass nicht immer ein Modell vorne lag. Es war, wie oft die „beste“ Wahl je nach dem, was ich tat, wechselte.
Ich habe etwa 45 Prompts in den Bereichen Schreiben, Recherche und Programmierung verfolgt. Gemini war nützlich für einige schnelle, kontextreiche Arbeiten. Claude fühlte sich in einigen längeren Argumentationssitzungen stärker an. Aber der Wechsel zwischen ihnen brachte eigene Probleme mit sich.
Ich endete damit, Kontext zu kopieren, Prompts umzuschreiben und fast jeden Tag Teile herumzubewegen.
Hier begann der Multi-Modell-Ansatz mehr Sinn zu ergeben.
Der Wert liegt nicht nur darin, mehr Optionen zu haben. Es geht darum, diese kleinen Unterbrechungen zu reduzieren, in denen du aufhörst zu arbeiten und anfängst, Werkzeuge zu managen.
Ein einzelnes Projekt kann leicht unterschiedliche Stärken erfordern. Ein Moment braucht Geschwindigkeit. Ein anderer braucht tiefere Überlegungen. Ein weiterer braucht klareres Schreiben.
Die interessante Frage ist nicht wirklich „Gemini vs Claude vs ein anderes Modell?“
Es könnte eher darum gehen, ob AI-Workflows überhaupt davon abhängen sollten, einen einzigen Gewinner auszuwählen.
Die Richtung von OpenGradient fühlt sich näher an der tatsächlichen Nutzung an — wo Menschen natürlich zwischen verschiedenen AI-Fähigkeiten wechseln, ohne jedes Mal darüber nachdenken zu wollen.
Ich bin immer noch neugierig auf eine Sache:
Glaubst du, dass die Zukunft einem einzigen dominanten AI-Modell gehört, oder werden Multi-Modell-Workflows zur normalen Art und Weise, wie wir AI nutzen?
@OpenGradient $OPG #OPG
Nachdem ich Zeit damit verbracht habe, Gemini und Claude für verschiedene Workflows zu vergleichen, fiel mir auf, dass nicht immer ein Modell vorne lag. Es war, wie oft die „beste“ Wahl je nach dem, was ich tat, wechselte.
Ich habe etwa 45 Prompts in den Bereichen Schreiben, Recherche und Programmierung verfolgt. Gemini war nützlich für einige schnelle, kontextreiche Arbeiten. Claude fühlte sich in einigen längeren Argumentationssitzungen stärker an. Aber der Wechsel zwischen ihnen brachte eigene Probleme mit sich.
Ich endete damit, Kontext zu kopieren, Prompts umzuschreiben und fast jeden Tag Teile herumzubewegen.
Hier begann der Multi-Modell-Ansatz mehr Sinn zu ergeben.
Der Wert liegt nicht nur darin, mehr Optionen zu haben. Es geht darum, diese kleinen Unterbrechungen zu reduzieren, in denen du aufhörst zu arbeiten und anfängst, Werkzeuge zu managen.
Ein einzelnes Projekt kann leicht unterschiedliche Stärken erfordern. Ein Moment braucht Geschwindigkeit. Ein anderer braucht tiefere Überlegungen. Ein weiterer braucht klareres Schreiben.
Die interessante Frage ist nicht wirklich „Gemini vs Claude vs ein anderes Modell?“
Es könnte eher darum gehen, ob AI-Workflows überhaupt davon abhängen sollten, einen einzigen Gewinner auszuwählen.
Die Richtung von OpenGradient fühlt sich näher an der tatsächlichen Nutzung an — wo Menschen natürlich zwischen verschiedenen AI-Fähigkeiten wechseln, ohne jedes Mal darüber nachdenken zu wollen.
Ich bin immer noch neugierig auf eine Sache:
Glaubst du, dass die Zukunft einem einzigen dominanten AI-Modell gehört, oder werden Multi-Modell-Workflows zur normalen Art und Weise, wie wir AI nutzen?
@OpenGradient $OPG #OPG