Cùng một câu hỏi được sao chép cho vài mô hình, mình đã từng làm việc này. Đầu tiên hỏi một cái, rồi đổi sang cái khác, nếu câu trả lời khác nhau thì chụp màn hình, so sánh, tự mình đánh giá. Câu hỏi thông thường thì cũng ổn, nhưng khi bên trong có PDF, đoạn mã hoặc dữ liệu kinh doanh, thì hành động này bắt đầu trở nên khó chịu: mình không đang kiểm tra mô hình, mình đang phân phối cùng một bối cảnh.
@OpenGradient Agent làm mình chú ý đến điểm này. Nó không chỉ đơn thuần để vài tên mô hình trên trang, mà là đưa lựa chọn mô hình vào cùng một môi trường nhiệm vụ. Người dùng có thể chuyển đổi giữa ChatGPT, Claude, Gemini, Seed, Grok, nhưng tài liệu và nhiệm vụ không cần mỗi lần phải chuyển nhà. Chi tiết này rất nhỏ, nhưng chính xác đụng đến điểm đau về quyền riêng tư trong thời đại đa mô hình.
Trong cách sử dụng thông thường, muốn để các mô hình khác nhau kiểm tra lại một tài liệu, phải sao chép lặp đi lặp lại: cùng một CSV, cùng một đoạn mã, cùng một mục tiêu phân tích, dán vào các nền tảng khác nhau. Mô hình càng nhiều, đuôi càng dài. OpenGradient Agent xử lý giống như giữ bàn làm việc tại chỗ, mô hình vào làm việc, chứ không phải người dùng ôm tài liệu chạy khắp nơi. #OPG
Điều này khác với hai bài trước mô hình có thể viết mã và xử lý tài liệu. Điểm quan trọng ở đây không phải là nó có thể tạo PDF hay không, mà là khi nhiệm vụ đã bắt đầu trong OpenGradient Agent, mô hình đối chiếu không cần phải tách bối cảnh ra. Tài liệu được lưu trong trình duyệt, prompt cũng cố gắng giữ kín, khi người dùng muốn đổi mô hình nhìn nhận, không cần phải giao lại tài liệu nhạy cảm cho một backend khác.
Ngược lại với trực giác, khả năng đa mô hình không nhất thiết có nghĩa là "gọi đi gọi lại". Trải nghiệm đa mô hình thực sự hữu ích, ngược lại nên giảm số lần người dùng phải vận chuyển bối cảnh. Vì phân tích trên chuỗi, kiểm tra hợp đồng, đánh giá mã là những nhiệm vụ, nguy hiểm nhất thường không phải là hỏi sai mô hình, mà là để xác nhận câu trả lời, phải phát tán cùng một đống tài liệu đến quá nhiều nơi.
Tất nhiên, khi các mô hình đưa ra kết luận mâu thuẫn, cuối cùng vẫn cần con người đánh giá. OpenGradient Agent không phải là để loại bỏ việc đánh giá của người dùng, mà là để giữ quá trình đối chiếu trong một quy trình làm việc kín đáo hơn. Giá trị của $OPG cũng nằm ở đây: khi tài liệu thật, mã thật, vấn đề phân tích thật có thể được giữ trong Agent để xử lý nhiều lần, thì đa mô hình không chỉ là số lượng điểm vào, mà là chứng minh rằng quy trình OPG có thể đảm nhận nhiệm vụ phức tạp. @OpenGradient
@OpenGradient Agent làm mình chú ý đến điểm này. Nó không chỉ đơn thuần để vài tên mô hình trên trang, mà là đưa lựa chọn mô hình vào cùng một môi trường nhiệm vụ. Người dùng có thể chuyển đổi giữa ChatGPT, Claude, Gemini, Seed, Grok, nhưng tài liệu và nhiệm vụ không cần mỗi lần phải chuyển nhà. Chi tiết này rất nhỏ, nhưng chính xác đụng đến điểm đau về quyền riêng tư trong thời đại đa mô hình.
Trong cách sử dụng thông thường, muốn để các mô hình khác nhau kiểm tra lại một tài liệu, phải sao chép lặp đi lặp lại: cùng một CSV, cùng một đoạn mã, cùng một mục tiêu phân tích, dán vào các nền tảng khác nhau. Mô hình càng nhiều, đuôi càng dài. OpenGradient Agent xử lý giống như giữ bàn làm việc tại chỗ, mô hình vào làm việc, chứ không phải người dùng ôm tài liệu chạy khắp nơi. #OPG
Điều này khác với hai bài trước mô hình có thể viết mã và xử lý tài liệu. Điểm quan trọng ở đây không phải là nó có thể tạo PDF hay không, mà là khi nhiệm vụ đã bắt đầu trong OpenGradient Agent, mô hình đối chiếu không cần phải tách bối cảnh ra. Tài liệu được lưu trong trình duyệt, prompt cũng cố gắng giữ kín, khi người dùng muốn đổi mô hình nhìn nhận, không cần phải giao lại tài liệu nhạy cảm cho một backend khác.
Ngược lại với trực giác, khả năng đa mô hình không nhất thiết có nghĩa là "gọi đi gọi lại". Trải nghiệm đa mô hình thực sự hữu ích, ngược lại nên giảm số lần người dùng phải vận chuyển bối cảnh. Vì phân tích trên chuỗi, kiểm tra hợp đồng, đánh giá mã là những nhiệm vụ, nguy hiểm nhất thường không phải là hỏi sai mô hình, mà là để xác nhận câu trả lời, phải phát tán cùng một đống tài liệu đến quá nhiều nơi.
Tất nhiên, khi các mô hình đưa ra kết luận mâu thuẫn, cuối cùng vẫn cần con người đánh giá. OpenGradient Agent không phải là để loại bỏ việc đánh giá của người dùng, mà là để giữ quá trình đối chiếu trong một quy trình làm việc kín đáo hơn. Giá trị của $OPG cũng nằm ở đây: khi tài liệu thật, mã thật, vấn đề phân tích thật có thể được giữ trong Agent để xử lý nhiều lần, thì đa mô hình không chỉ là số lượng điểm vào, mà là chứng minh rằng quy trình OPG có thể đảm nhận nhiệm vụ phức tạp. @OpenGradient