सॉनेट 5.5 30% तेज होने का दावा करता है। मेरे इनबॉक्स में कुछ अलग देखा गया

सॉनेट 5.5 को संख्याओं के साथ लॉन्च किया गया: 30% तेज आउटपुट, प्रति कार्य 30% तक कम लागत, सॉनेट 5 के 10.3% के मुकाबले 70.6% पर टर्मिनल-बेंच। अच्छा। बेंचमार्क मेरे चालान का भुगतान नहीं करते हैं, इसलिए मैंने एक जानबूझकर प्रयोग चलाया - मेरे वास्तविक काम का एक पूरा सोमवार दो बार, प्रत्येक मॉडल पर एक बार, समान कार्य, मेरी अपनी टाइमिंग।

कार्य अस्वाभाविक थे: चौदह ग्राहक ईमेल, एक परियोजना संक्षिप्त पुनर्लेखन, कुछ अनुबंध प्रश्न-चिह्न पैराग्राफ, संक्षेप में सर्वेक्षण परिणामों की एक तालिका, और साप्ताहिक समाचार पत्र का मसौदा। एंथ्रोपिक का दावा है कि सॉनेट 5.5 बिल्कुल 'सुव्यवस्थित रोजमर्रा के काम' के लिए बनाया गया है। सॉनेट 5 पर, दिन के एआई भागों में लगभग 2 घंटे लगे। 5.5 पर, लगभग 80 मिनट।

लेकिन दिलचस्प खोज मिनटों की नहीं थी। पुराने मॉडल के साथ, मेरा पैटर्न बैच-एंड-वेट था - कई संकेतों को कतारबद्ध करें, किसी और चीज़ पर स्विच करें, वापस आएं। तेज़ गति के साथ, मैंने बैच लगाना बंद कर दिया। पूछो, पाओ, आगे बढ़ो, फिर से पूछो। वर्कफ़्लो का आकार बदल गया क्योंकि विलंबता मेरी ध्यान-स्विचिंग सीमा से नीचे चली गई। इसका मूल्य कच्चे 30% से अधिक है, और यही कारण है कि गति में सुधार अजीब तरह से होता है।

गुणवत्ता उन स्थानों पर कायम रही जहां मैं माप सकता था। ईमेल ड्राफ्ट में समान संख्या में संपादन की आवश्यकता थी, संक्षेप यकीनन सख्त था, और अनुबंध के उत्तरों में समान खंडों को चिह्नित किया गया था। टर्मिनल-बेंच छलांग एजेंटिक कोडिंग पर वास्तविक क्षमता लाभ का सुझाव देती है, जिसे मैं ईमेल ट्राइएज के एक दिन में व्यक्तिगत रूप से सत्यापित नहीं कर सकता - लेकिन मेरी लेन में कुछ भी खराब नहीं हुआ।

लागत में कटौती यहां की शांत क्रांति है। समान कार्यभार पर मेरा मासिक बिल काफ़ी कम हो गया, और प्रतिदिन हजारों कार्य करने वाली टीमों के लिए, 30% कर्मचारियों की संख्या का गणित है। अकेले मेरे लिए, यह सदस्यता के स्पष्ट रूप से इसके लायक होने और मेरे द्वारा नवीनीकरण से कतराने के बीच का अंतर है। सस्ता और तेज़ होने से AI आपके द्वारा सोची जाने वाली लाइन आइटम बनना बंद कर देता है।