#opg $OPG Hace unos días hice una prueba en el chat de @OpenGradient en chat.opengradient.ai, donde varios modelos analizaron cómo el desbloqueo de tokens afecta la circulación, basándose en los prompts que escribí, que eran bastante exigentes. La diferencia en las respuestas de varios modelos principales me sorprendió mucho.
Primero, hablemos de Gemini. Su respuesta se parecía más a un informe de investigación, con una estructura ordenada y los puntos de datos clave muy claros, pero leerlo era como repasar un libro de texto. En cambio, Claude escribió de manera más fluida; su lógica de comunicación es muy profesional, y el ritmo entre oraciones largas y cortas está muy bien logrado, perfecto para pegar directamente en un PPT. La respuesta de Grok fue la más corta, pero incluyó temas de actualidad relevantes de X, lo que le dio un toque de inmediatez, aunque le faltaba un poco de profundidad. ByteDance Seed tuvo el mejor manejo de los términos en chino; algunas expresiones localizadas no las captaron los otros modelos.
Lo que más me pareció interesante es que puedo cambiar entre modelos en la misma conversación. Primero dejo que Gemini establezca el marco, luego hago que Claude refine el lenguaje, y al final, Grok añade un contexto en tiempo real. Todo el proceso sin tener que saltar entre páginas, y mis prompts no dejan fragmentos entre diferentes plataformas.
Antes, para esto necesitaba abrir tres o cuatro pestañas de navegador, con mis registros de preguntas en cada plataforma. Al fusionarlo en una sola ventana, he ahorrado mucho trabajo, y la encriptación es predeterminada. La plataforma no puede ver qué modelos estoy comparando ni sabrá qué token estoy analizando en términos de desbloqueo.
En este mundo, no hay un AI perfecto; es difícil que un solo modelo sea riguroso, legible y oportuno al mismo tiempo. Ahora puedo asignarlos según mis necesidades, y mi camino de pensamiento no será archivado por ninguna plataforma.
¿Alguna vez han intentado lanzar la misma pregunta a diferentes modelos y luego juntar la respuesta más completa?
Primero, hablemos de Gemini. Su respuesta se parecía más a un informe de investigación, con una estructura ordenada y los puntos de datos clave muy claros, pero leerlo era como repasar un libro de texto. En cambio, Claude escribió de manera más fluida; su lógica de comunicación es muy profesional, y el ritmo entre oraciones largas y cortas está muy bien logrado, perfecto para pegar directamente en un PPT. La respuesta de Grok fue la más corta, pero incluyó temas de actualidad relevantes de X, lo que le dio un toque de inmediatez, aunque le faltaba un poco de profundidad. ByteDance Seed tuvo el mejor manejo de los términos en chino; algunas expresiones localizadas no las captaron los otros modelos.
Lo que más me pareció interesante es que puedo cambiar entre modelos en la misma conversación. Primero dejo que Gemini establezca el marco, luego hago que Claude refine el lenguaje, y al final, Grok añade un contexto en tiempo real. Todo el proceso sin tener que saltar entre páginas, y mis prompts no dejan fragmentos entre diferentes plataformas.
Antes, para esto necesitaba abrir tres o cuatro pestañas de navegador, con mis registros de preguntas en cada plataforma. Al fusionarlo en una sola ventana, he ahorrado mucho trabajo, y la encriptación es predeterminada. La plataforma no puede ver qué modelos estoy comparando ni sabrá qué token estoy analizando en términos de desbloqueo.
En este mundo, no hay un AI perfecto; es difícil que un solo modelo sea riguroso, legible y oportuno al mismo tiempo. Ahora puedo asignarlos según mis necesidades, y mi camino de pensamiento no será archivado por ninguna plataforma.
¿Alguna vez han intentado lanzar la misma pregunta a diferentes modelos y luego juntar la respuesta más completa?