스크립트
00:00:00तो Fable 5.1 आ गया है, और यह बेहतर, सस्ती,
00:00:02और आज मैं आपको बताने जा रहा हूँ
00:00:04इसके बारे में वो सब कुछ जो आपको जानना ज़रूरी है।
00:00:05तो सबसे पहले बात करते हैं कीमत की।
00:00:07Fable 5.1 की कीमत Fable 5 से लगभग 25% कम होगी,
00:00:11और ऐसा इसलिए है क्योंकि वे कैश रीड्स
00:00:13की कीमतें घटा रहे हैं।
00:00:14यह बहुत बड़ी बात है अगर आप बहुत सारे लंबे समय तक चलने वाले एजेंटिक काम करते हैं,
00:00:19और उन्होंने खास तौर पर इसका जिक्र किया है,
00:00:21और ऐसे मामलों में आपकी लागत में 45% तक की कमी आ सकती है
00:00:23जहाँ आप ऐसा काम कर रहे हैं
00:00:24जिसमें हजारों-हजारों टोकन शामिल होते हैं,
00:00:27और आप 50, 60, 70%
00:00:28की Context Window लंबाई के साथ काम कर रहे हैं।
00:00:30वे अपनी डेटा रीटेनशन पॉलिसी को अपडेट कर रहे हैं,
00:00:32वे अपने एंटरप्राइज़ ग्राहकों के लिए इसे धीरे-धीरे लागू कर रहे हैं,
00:00:34और सुरक्षा उपायों की बात करें,
00:00:35तो वे फॉल्स पॉज़िटिव्स को कम कर रहे हैं,
00:00:37जो मूल Fable 5 के साथ
00:00:38एक तरह से सिरदर्द था,
00:00:40क्योंकि अगर आप इससे साइबर सुरक्षा जैसी
00:00:41चीजों से जुड़े सवाल पूछते थे,
00:00:43तो आपको लगातार ब्लॉक कर दिया जाता था,
00:00:44और इस मामले में, अब फॉल्स पॉज़िटिव की संभावना 60% कम हो गई है।
00:00:47अबBenchmarks पर एक नज़र डालते हैं।
00:00:49हर मामले में, यह Fable 5, Opus 5,
00:00:50और GPT 5.6 को लगभग हर चीज़ में मात देता है।
00:00:53अब, कुछ छलांगें काफी महत्वपूर्ण हैं।
00:00:56जब हम एजेंटिक वैज्ञानिक अनुसंधान को देखते हैं,
00:00:58तो यह Fable 5 की तुलना में दोगुना है।
00:01:00एजेंटिक कोडिंग में भी एक बड़ी छलांग देखने को मिलती है।
00:01:03हम Fable 5 के साथ 42% से बढ़कर Fable 5.1 के साथ 55.8 पर पहुँच रहे हैं।
00:01:05मुझे याद है जब हमने Opus 5 के बेंचमार्क देखे थे,
00:01:09तो कच्चे अंकों के मामले में Opus 5 हमें जो देने में सक्षम था,
00:01:11उससे हम काफी हद तक प्रभावित हुए थे।
00:01:14वास्तव में, मुझे लगता है कि
00:01:16ज्यादातर लोग अभी भी Opus 5 की तुलना में Fable 5 को पसंद करते हैं,
00:01:19लेकिन मुझे लगता है कि Fable 5 बनाम 5.1 की तुलना
00:01:23शायद इस बात में थोड़ी अधिक सटीक है
00:01:24कि जब आप वास्तव में इसका उपयोग कर रहे होंगे,
00:01:26तो यह कैसा महसूस होगा।
00:01:28इसके अलावा, अधिकांश बेंचमार्क वृद्धि
00:01:29 relativamente वृद्धिशील (incremental) हैं।
00:01:31हम यहाँ और वहाँ कुछ प्रतिशत अंकों की बात कर रहे हैं,
00:01:32इसके अलावा अपवाद ऑटोमेशन बेंचमार्क
00:01:34का उपयोग करने वाले व्यावसायिक वर्कफ़्लो हैं।
00:01:37अब, केवल बेंचमार्क ही महत्वपूर्ण नहीं है,
00:01:39बल्कि यह है कि हम इस तरह के स्कोर के लिए कितना भुगतान कर रहे हैं,
00:01:41और जब हम प्रयास स्तर (effort level) के साथ छेड़छाड़ करते हैं,
00:01:43तो हमें किस तरह के बदलाव दिखाई देते हैं?
00:01:44क्योंकि देखना हमेशा से काफी दिलचस्प होता है,
00:01:46क्योंकि अक्सर जब हम अतिरिक्त उच्च
00:01:48या अधिकतम प्रयास स्तरों को देखते हैं,
00:01:49तो उच्च या मध्यम की तुलना में हमें वास्तव में
00:01:51उतना अधिक लाभ नहीं मिलता है।
00:01:53तो हमारे पास यहाँ Terminal Bench 4.0 है।
00:01:56हमारे पास यहाँ सबसे ऊपर Mythos 5.1 है,
00:01:59बीच में Fable 5.1 है,
00:02:00और फिर नीचे Mythos 5 है,
00:02:02और आप कल्पना कर सकते हैं कि Fable 5, Mythos से थोड़ा नीचे है।
00:02:05तो Fable 5.1 और Mythos 5.1,
00:02:07जाहिर तौर पर Mythos 5 की तुलना में एक बड़ी छलांग है,
00:02:10और यह सस्ता है।
00:02:12और वास्तव में जो बहुत बढ़िया है वह यह है कि जब हम
00:02:13उदाहरण के लिए 'high' जैसी किसी चीज़ को देखते हैं,
00:02:15जो मुझे लगता है कि अधिकांश लोग उपयोग करते हैं,
00:02:16अक्सर जब मैं अपने Fable उपयोग के मामलों
00:02:17की बात आती है तो 'medium' का उपयोग कर रहा होता हूँ,
00:02:20तो अनिवार्य रूप से,
00:02:20अगर हम medium को देखें,
00:02:21तो हम Mythos 5 के अधिकतम आउटपुट से मेल खा रहे हैं,
00:02:25लेकिन इसके $26 होने के बजाय,
00:02:27यह $7.80 होगा।
00:02:30और जब हम high पर जाते हैं,
00:02:32और हम high की तुलना max से करते हैं,
00:02:34तो आप केवल देख रहे हैं,
00:02:35आउटपुट के मामले में क्या, 6% का बदलाव?
00:02:38फिर भी $19.50 बनाम $10.50।
00:02:42तो इन नए मॉडलों के बारे में वास्तव में जो अच्छी बात है
00:02:43वह यह है कि आप इन मध्यम प्रयास स्तरों पर
00:02:45अत्यंत उच्च प्रदर्शन प्राप्त कर सकते हैं
00:02:47और लागत पर वास्तव में बचत कर सकते हैं।
00:02:50और हम इन अन्य बेंचमार्क में भी
00:02:52यही पैटर्न देखते हैं, है ना?
00:02:53यह Humanity's last exam है।
00:02:55फिर से, जब हम high से लेकर सीधे max
00:02:57तक छलांग लगाते हैं तो कोई भारी वृद्धि नहीं दिखती,
00:02:59फिर भी हमारे पास इन मध्यम-स्तरीय सेटिंग्स
00:03:00पर काफी उचित लागत पर
00:03:02वास्तव में अच्छा प्रदर्शन होता है।
00:03:04इसका एकमात्र अपवाद तब होता है जब हम
00:03:05Cursor Bench पर एजेंटिक कोडिंग को देखते हैं,
00:03:07Fable 5.1,
00:03:08हमें high से extra high तक काफी बड़ी छलांग देखने को मिलती है,
00:03:11लेकिन फिर से, extra high और max के बीच,
00:03:13बहुत ज्यादा नहीं।
00:03:14लेकिन, आप जानते हैं, अगर मैं high पर हूँ,
00:03:15Fable 5.1 पर,
00:03:17यह Fable 5 के साथ extra high
00:03:18पर होने के समान है,
00:03:20फिर भी लागत आधे से भी कम है।
00:03:22तो यहाँ भारी मूल्य बचत होती है,
00:03:24भले ही आप ऐसे व्यक्ति न हों
00:03:25जो जरूरी तौर पर अत्यधिक जटिल काम कर रहे हों।
00:03:27यदि आप सिर्फ 'कोट-अनकोट',
00:03:29अपने औसत सोलो डेवलपर हैं,
00:03:30जैसे आपकी समस्याएँ उतनी जटिल नहीं हैं,
00:03:32लेकिन आपको इन फ्रंटियर मॉडलों का उपयोग करना पसंद है,
00:03:33तो अब आपके पास क्षमता है
00:03:34कि आप बस प्रयास स्तर को कम कर दें
00:03:36और आप लगभग वही कर रहे हैं
00:03:37जो आप पहले कर रहे थे
00:03:38वह भी आधी कीमत पर,
00:03:40जिसे कम करके नहीं आंका जा सकता।
00:03:41अब, वैज्ञानिक अनुसंधान
00:03:42हमेशा से एक बहुत बड़ा बिक्री बिंदु रहा है
00:03:44जब Fable और Mythos मॉडलों की बात आती है।
00:03:46और इसलिए 5.1 रिलीज़ के साथ,
00:03:48वहाँ कोई बदलाव नहीं हुआ है।
00:03:49वे आणविक डिज़ाइन (molecular design) के बारे में बहुत बात करते हैं,
00:03:51कम्प्यूटेशनल विश्लेषण और मॉडलिंग,
00:03:53साथ ही कम्प्यूटेशनल जीव विज्ञान।
00:03:55फिर से, ये अधिक विशिष्ट समस्याएँ हैं
00:03:57जिन्हें कुछ लोग हल कर रहे हैं,
00:03:58लेकिन यह देखना हमेशा दिलचस्प होता है
00:04:00कि इन डोमेन में क्या चल रहा है
00:04:01बजाय आपके मानक के,
00:04:03यह इस पर क्या कर रहा है
00:04:03एजेंटिक कोडिंग बेंचमार्क।
00:04:05और जैसा कि मैंने परिचय में संकेत दिया था,
00:04:07कुछ बदलाव हुए हैं
00:04:08जब सुरक्षा की बात आती है,
00:04:09सुरक्षा,
00:04:09और संरेखण (alignment)।
00:04:11बड़ी तस्वीर,
00:04:12कम फॉल्स पॉज़िटिव।
00:04:13आप इससे अधिक सवाल पूछ सकते हैं
00:04:14साइबर सुरक्षा जैसी चीजों से संबंधित
00:04:15और यह इतना स्मार्ट है
00:04:16कि यह सिर्फ घबराता नहीं है
00:04:18और आपको Opus पर नहीं भेजता
00:04:19चाहे कुछ भी हो।
00:04:20यदि आप गहराई में जाना चाहते हैं,
00:04:21इस पर गहराई से,
00:04:21तो उनके पास उनका सिस्टम कार्ड है
00:04:23जिसे आप हमेशा देख सकते हैं।
00:04:24यह है, आप जानते हैं,
00:04:25चीजों के कई सौ पेज,
00:04:27सटीक होने के लिए 212,
00:04:28लेकिन वे हमें यहाँ एक अच्छा सारांश देते हैं।
00:04:30लेकिन आपको केवल इस बात की परवाह करने की जरूरत है
00:04:31कि ये गार्डरेल
00:04:32अधिक सटीक हैं,
00:04:33इसलिए इनके कम चांस हैं
00:04:34कि ये हानिरहित सामग्री को फ़्लैग करें
00:04:35और बस आपको
00:04:36एक निचले मॉडल पर भेज दें।
00:04:37विशेष रूप से साइबर सुरक्षा प्रश्नों के लिए,
00:04:40Cloud Code उपयोगकर्ता
00:04:40औसत उम्मीद कर सकते हैं
00:04:41प्रति सत्र 60% कम हस्तक्षेप
00:04:43इन सुरक्षा उपायों से,
00:04:44जो बहुत बढ़िया है
00:04:46यदि आप काम कर रहे हैं
00:04:46किसी भी ऐसे एप्लिकेशन पर
00:04:47जहाँ आपको सवाल पूछने की आवश्यकता है
00:04:48सर्वोत्तम साइबर सुरक्षा प्रथाओं के बारे में
00:04:49आपके विशेष उपयोग के मामले के लिए।
00:04:51उनके पास वास्तव में है
00:04:53यहाँ एक दिलचस्प पैराग्राफ
00:04:53जो बात कर रहा है
00:04:54डिस्टिलेशन-विरोधी तंत्र के बारे में,
00:04:55जो एक तरीका है
00:04:57अनिवार्य रूप से निकालने का
00:04:58जो मूल रूप से निकालने
00:04:59का एक तरीका है
00:05:01Fable 5 और Fable 5.1 से
00:05:02जिन्हें अन्य मॉडल में इस्तेमाल किया जा सके।
00:05:03यह वास्तव में एक बहुत बड़ी
00:05:04चर्चा का विषय है
00:05:05जो संबंधित है
00:05:06ओपन सोर्स मॉडल से।
00:05:07आपने शायद बहुत कुछ सुना होगा
00:05:08इन तमाम
00:05:08बेहतरीन ओपन सोर्स मॉडल के बारे में
00:05:09जो आ रहे हैं,
00:05:10और इसमें कोई शक नहीं है
00:05:11कि वे आगे भी आते रहेंगे
00:05:13क्योंकि वे इन फ़्रंटियर मॉडल
00:05:14से डिस्टिल किए जाते हैं।
00:05:15तो यह उस प्रकार की
00:05:17चर्चा है
00:05:17जिस पर आप शायद
00:05:18नज़र रखना चाहते हैं।
00:05:18यह वास्तव में आपको प्रभावित नहीं करता,
00:05:20यानी अंतिम उपयोगकर्ता को,
00:05:21लेकिन यह, आप जानते ही हैं,
00:05:22एक तरह की ऐसी मेटा बात है
00:05:23जहाँ हमारे पास ये सभी
00:05:24ओपन सोर्स मॉडल
00:05:25चीन से आ रहे हैं
00:05:26और बहुत सी फ़्रंटियर
00:05:26तरह की कंपनियाँ
00:05:27अमेरिका में हैं,
00:05:28और हमेशा से
00:05:29इस तरह की बातें होती रहती हैं, आप जानते ही हैं,
00:05:31कि ये तमाम
00:05:32ओपन सोर्स मॉडल
00:05:32वास्तव में सिर्फ डेटा खींच रहे हैं
00:05:33Opus और Fable
00:05:35जैसी चीज़ों से।
00:05:36वे एक उदाहरण देते हैं
00:05:37इस बात का कि यह कैसे काम करता है,
00:05:38जहाँ नए API खाते
00:05:39Claude के पिछले संदर्भ को
00:05:40इस तरह संपादित नहीं कर सकते
00:05:42कि मूल रूप से यह निकाला जा सके
00:05:43कि Claude किस तरह
00:05:44सोच रहा है
00:05:44और अपने जवाबों
00:05:45तक पहुँच रहा है।
00:05:46और फिर से,
00:05:46यह विशेष रूप से
00:05:47नए खातों के लिए है,
00:05:48तो अगर आपके पास पहले से ही एक है,
00:05:48तो जैसा कि मैंने कहा,
00:05:49यह वास्तव में आपको प्रभावित नहीं करेगा।
00:05:50अब, लागत और
00:05:51उपलब्धता के मामले में,
00:05:52उपलब्धता,
00:05:52यह अभी
00:05:53हर जगह उपलब्ध है।
00:05:54लागत।
00:05:55प्रति टोकन,
00:05:56अगर आप इसे देखें,
00:05:56तो यह बिल्कुल वैसा ही है
00:05:58जैसे Fable 5।
00:05:58हम प्रति दस डॉलर
00:05:59प्रति मिलियन इनपुट टोकन
00:06:00और पचास डॉलर प्रति मिलियन
00:06:02आउटपुट टोकन देख रहे हैं,
00:06:03लेकिन वास्तव में,
00:06:04जब आप वास्तव में इसका उपयोग करते हैं
00:06:05इस रूप में कि,
00:06:06अरे, मैं इसे
00:06:07यह काम करने के लिए कह रहा हूँ,
00:06:08तो यह कम खर्चीला होगा
00:06:09और इसमें कम लागत आएगी
00:06:10क्योंकि कैश रीड्स होते हैं।
00:06:12अब, अगर आपको कोई अंदाज़ा नहीं है
00:06:12किप्रॉम्प्ट कैशिंग क्या है,
00:06:14तो आप वह वीडियो देख सकते हैं
00:06:14जो मैंने पिछले हफ्ते बनाया था
00:06:16जहाँ मैं इस बारे में बात करता हूँ।
00:06:18मूल रूप से,
00:06:18यह बहुत बड़ी बात है
00:06:19यदि आप ऐसे व्यक्ति हैं
00:06:20जो लंबे समय तक चलने वाले
00:06:20एजेंटिक कार्य कर रहे हैं।
00:06:23तो आपके पास जैसे
00:06:23बहुत बड़े सत्र हैं,
00:06:25ढेर सारा संदर्भ है,
00:06:26और आप इसका उपयोग
00:06:27लगातार कर रहे हैं।
00:06:28ऐसा नहीं है कि आप इससे
00:06:29कोई काम करवाकर
00:06:29अगले दिन वापस आ रहे हैं।
00:06:30आप बस इससे
00:06:31लगातार बात किए जा रहे हैं,
00:06:32बात किए जा रहे हैं।
00:06:32तो ये कैश रीड्स
00:06:33पचहत्तर प्रतिशत कम महंगे पड़ते हैं,
00:06:35जो कि एक बहुत बड़ा बदलाव है,
00:06:37और इसी की वजह से
00:06:39यह लागत कम हो रही है।
00:06:40और यह ग्राफ़
00:06:41इस बात को स्पष्ट करता है।
00:06:42सामान्य कार्यों पर
00:06:42आपकी लागत लगभग
00:06:44पच्चीस प्रतिशत तक कम हो सकती है,
00:06:45लेकिन फिर भी,
00:06:46अत्यधिक एजेंटिक वर्कलोड में
00:06:47यह पंतालीस प्रतिशत तक कम हो जाती है।
00:06:49तो Fable मॉडल
00:06:49का अपग्रेड मिलना
00:06:50वाकई बहुत रोमांचक है।
00:06:51मुझे Fable 5 बहुत पसंद आया था,
00:06:53Opus 5 के मुकाबले
00:06:53यह थोड़ा औसत सा था,
00:06:54लेकिन आप में से जो लोग
00:06:55Fable के साथ व्यावहारिक रूप से
00:06:56काम कर चुके हैं,
00:06:57मुझे लगता है कि आप निश्चित रूप से इस बात से सहमत होंगे
00:06:58कि जो कुछ भी
00:06:59यह मॉडल हमारे लिए लेकर आया है
00:07:01उसमें एक महत्वपूर्ण बदलाव आया है,
00:07:02बजाय उन बाकी सभी चीज़ों के
00:07:03जो अब तक हमें
00:07:03Anthropic से मिली हैं।
00:07:04तो ऐसा कुछ होना
00:07:05जो बेहतर है
00:07:06और सस्ता भी है,
00:07:07और जिसके सुरक्षा उपायों को लेकर
00:07:09हमें कम चिंता करनी पड़ती है,
00:07:10मेरे ख्याल से यह एक बहुत अच्छी बात है।
00:07:11तो निश्चित रूप से इसे देखें।
00:07:12मुझे बताएं
00:07:13कि आपको यह कैसा लगा।
커뮤니티 글
아직 글이 없습니다. 이 영상에 대한 첫 번째 글을 작성해 보세요!
이 영상에 대해 글쓰기