OpenAI połączyło odrębne zakładki „Czat” i „Praca” w ChatGPT, konsolidując wykorzystanie zasobów obliczeniowych w jednej puli alokacji dla użytkowników i potencjalnie usprawniając sposób, w jaki twórcy zarządzają zużyciem zasobów AI w różnych zadaniach. Ta zmiana, zgłoszona przez TechCrunch, oznacza, że zarówno ogólna konwersacja, jak i generowanie kodu będą czerpać z tych samych kredytów użytkowania, wpływając na to, jak profesjonaliści równoważą swoje różnorodne przepływy pracy AI.
Kluczowe wnioski
- OpenAI ujednoliciło wcześniej oddzielne zakładki „Czat” i „Praca” w ChatGPT w jeden interfejs.
- To połączenie oznacza, że wszystkie interakcje z ChatGPT, w tym ogólne zapytania i generowanie kodu, czerpią teraz z jednej puli kredytów obliczeniowych.
- Zmiana upraszcza zarządzanie zasobami dla użytkowników, którzy wcześniej żonglowali oddzielnymi alokacjami dla konwersacyjnej AI i zadań kodowania.
- Sugeruje to szerszy trend w kierunku bardziej zintegrowanych, multimodalnych doświadczeń AI, gdzie zacierają się różnice między typami zadań.
Wcześniej wielu twórców żonglowało dwoma odrębnymi środowiskami: zakładką „Czat” do ogólnych zapytań, burzy mózgów i generowania tekstu, oraz zakładką „Praca”, często zasilaną przez modele takie jak Codex, do pomocy w kodowaniu, debugowaniu i tworzeniu skryptów. Dla artysty AI mogło to oznaczać używanie „Czatu” do dopracowywania pomysłów na podpowiedzi do generowania obrazów, a następnie przełączanie się na „Pracę” w celu napisania skryptu Pythona do przetwarzania wsadowego obrazów lub automatyzacji zadania. Teraz obie te czynności będą rozliczane pod jednym parasolem.
Ta konsolidacja bezpośrednio wpływa na to, jak Ty, jako twórca, planujesz wykorzystanie swoich zasobów. Jeśli polegałeś na konkretnej alokacji dla swoich zadań kodowania, ta różnica zniknęła. Twój dzienny lub miesięczny budżet obliczeniowy musi teraz pomieścić wszystko, od generowania historii postaci po skryptowanie niestandardowego narzędzia do manipulacji obrazami. Upraszcza to interfejs, ale wymaga bardziej holistycznego spojzenia na zużycie AI. Zrozumienie, w jaki sposób różne modele, takie jak GPT-4 i podstawowy silnik Codex, zużywają zasoby w tej ujednoliconej strukturze, staje się kluczowe dla optymalizacji przepływu pracy i unikania nieoczekiwanego wyczerpania kredytów.
Konsekwencje dla podpowiedzi i przepływu pracy
Dla tych, którzy często przełączają się między kreatywnym pomysłem a technicznym wykonaniem, ujednolicona zakładka usuwa niewielki punkt tarcia. Nie musisz już zastanawiać się, która zakładka jest odpowiednia dla danego zapytania; system sam to obsługuje. Może to zachęcić do bardziej płynnych przejść między konceptualizacją sceny a następnie proszeniem AI o wygenerowanie szablonowego skryptu do jej renderowania w środowisku 3D, na przykład. Jednak oznacza to również, że sesja kodowania intensywnie zużywająca zasoby może pochłonąć kredyty, które mentalnie zarezerwowałeś na generowanie wielu wariantów złożonej podpowiedzi obrazu.
Ta zmiana odzwierciedla również dążenie OpenAI do bardziej zintegrowanego doświadczenia AI, gdzie granice między tekstem, kodem i innymi modalnościami nadal się zacierają. W miarę jak modele stają się bardziej zdolne do wykonywania różnorodnych zadań, utrzymywanie oddzielnych środowisk staje się mniej praktyczne. Dla twórców eksplorujących generowanie obrazów AI lub nawet narzędzia wideo AI, ten ruch sygnalizuje przyszłość, w której pojedyncza podpowiedź może płynnie obejmować zarówno kreatywne generowanie tekstu, jak i podstawowe wykonanie kodu bez wyraźnej interwencji użytkownika. Podkreśla to znaczenie efektywnego podpowiadania i zrozumienia prawdziwego kosztu obliczeniowego zapytań, niezależnie od ich bezpośredniego typu wyjściowego.
Zarządzanie budżetem obliczeniowym
Wraz z ujednoliconą alokacją, monitorowanie zużycia staje się jeszcze bardziej krytyczne. Jeśli korzystasz z planu warstwowego, intensywny dzień kodowania może szybciej niż wcześniej przesunąć Cię do wyższego przedziału zużycia. Twórcy powinni dokładniej przeglądać swoje dzienniki aktywności, aby zrozumieć, w jaki sposób ich połączone zapytania czatu i pracy wpływają na ogólne zużycie. Ta wiedza może pomóc w dostosowaniu strategii podpowiadania, być może decydując się na bardziej zwięzłe podpowiedzi do generowania kodu lub wykorzystując lokalne narzędzia do prostszych zadań skryptowych, aby zachować kredyty ChatGPT na bardziej złożone, kreatywne interakcje AI.
Ta konsolidacja jest zgodna z szerszym trendem branżowym upraszczania interfejsów użytkownika i zarządzania zasobami zaplecza. W miarę jak modele AI rosną w złożoność i możliwości, platformy pracują nad tym, aby podstawowa infrastruktura była niewidoczna, pozwalając twórcom skupić się wyłącznie na wynikach. Chociaż natychmiastowym efektem dla wielu będzie niewielka korekta w sposobie postrzegania zużycia, jest to wyraźny krok w kierunku bardziej zjednoczonej i, miejmy nadzieję, bardziej intuicyjnej przyszłości interakcji z zaawansowanymi modelami AI.
