#opg $OPG Everyone scheint anzunehmen, dass ein besserer Model Hub einfach derjenige ist, der mehr Modelle hat. Nachdem ich Zeit damit verbracht hatte, OpenGradient zu erkunden, fragte ich mich, ob das vielleicht das falsche Maß ist.
Der Moment, der mir die Meinung änderte, war kein fehlgeschlagener Auftrag und kein kaputter Laufzeitprozess. Er war viel stiller. Ich öffnete die gleiche Modellseite erneut, weil ich mich davon überzeugen wollte, dass es immer noch die richtige Wahl ist. Ich las die Benchmark-Notizen erneut, sah mir die Versionshistorie wieder an und hielt kurz bei den Details zur Laufzeit inne. Nichts schien offensichtlich zu fehlen, doch ich fühlte mich nicht bereit, weiterzugehen.
Da wurde mir klar, dass die eigentlichen Kosten nicht technisch waren. Sie waren kognitiv.
Wir sprechen oft von Reibung für Entwickler, als würde sie nur auftauchen, wenn etwas kaputtgeht. Aber die teurere Art ist unsichtbar. Jede kleine Unsicherheit zwingt dich dazu, eine Entscheidung zu wiederholen, die du bereits einmal getroffen hast. Das Modell mag leistungsfähig sein, der Zahlungsablauf mag funktionieren, und die Infrastruktur mag solide sein – aber wenn das Vertrauen jedes Mal neu aufgebaut werden muss, verschwindet der Schwung langsam.
Deshalb sehe ich OpenGradient inzwischen ein wenig anders. Der Wert eines Model Hubs besteht nicht nur darin, Entwicklern dabei zu helfen, Modelle zu entdecken. Es geht auch darum, dass sie dort weitermachen können, wo sie aufgehört haben, ohne das Gefühl, alles erneut prüfen zu müssen. Das ist ein viel schwierigeres Problem als das Hinzufügen eines weiteren Eintrags – aber es ist auch das, welches bestimmt, ob die Leute tatsächlich zurückkommen.
Wenn KI-Ökosysteme wachsen, könnten die Plattformen, die gewinnen, nicht die sein, die die größten Kataloge haben. Vielleicht sind es die, die stillschweigend das Vertrauen eines Entwicklers von einer Sitzung zur nächsten bewahren. Am Ende könnte die Aufrechterhaltung von Vertrauen wichtiger sein als die Erweiterung von Auswahl.
@OpenGradient
Der Moment, der mir die Meinung änderte, war kein fehlgeschlagener Auftrag und kein kaputter Laufzeitprozess. Er war viel stiller. Ich öffnete die gleiche Modellseite erneut, weil ich mich davon überzeugen wollte, dass es immer noch die richtige Wahl ist. Ich las die Benchmark-Notizen erneut, sah mir die Versionshistorie wieder an und hielt kurz bei den Details zur Laufzeit inne. Nichts schien offensichtlich zu fehlen, doch ich fühlte mich nicht bereit, weiterzugehen.
Da wurde mir klar, dass die eigentlichen Kosten nicht technisch waren. Sie waren kognitiv.
Wir sprechen oft von Reibung für Entwickler, als würde sie nur auftauchen, wenn etwas kaputtgeht. Aber die teurere Art ist unsichtbar. Jede kleine Unsicherheit zwingt dich dazu, eine Entscheidung zu wiederholen, die du bereits einmal getroffen hast. Das Modell mag leistungsfähig sein, der Zahlungsablauf mag funktionieren, und die Infrastruktur mag solide sein – aber wenn das Vertrauen jedes Mal neu aufgebaut werden muss, verschwindet der Schwung langsam.
Deshalb sehe ich OpenGradient inzwischen ein wenig anders. Der Wert eines Model Hubs besteht nicht nur darin, Entwicklern dabei zu helfen, Modelle zu entdecken. Es geht auch darum, dass sie dort weitermachen können, wo sie aufgehört haben, ohne das Gefühl, alles erneut prüfen zu müssen. Das ist ein viel schwierigeres Problem als das Hinzufügen eines weiteren Eintrags – aber es ist auch das, welches bestimmt, ob die Leute tatsächlich zurückkommen.
Wenn KI-Ökosysteme wachsen, könnten die Plattformen, die gewinnen, nicht die sein, die die größten Kataloge haben. Vielleicht sind es die, die stillschweigend das Vertrauen eines Entwicklers von einer Sitzung zur nächsten bewahren. Am Ende könnte die Aufrechterhaltung von Vertrauen wichtiger sein als die Erweiterung von Auswahl.
@OpenGradient