#opg $OPG
AI從今年以來一直是熱點,最近研究 OpenGradient。說實話,白皮書裏的“去中心化推理”“鏈上驗證”,我是真沒有看太看懂。我從使用角度來聊一聊我的看法
打開 OpenGradient Chat 後,最關心這幾個很普通的問題:回覆快不快?連續問幾次會不會卡住?中間有節點掉線,聊天還能不能繼續?
因爲對於我們普通用戶來說,用的什麼樣的技術,在哪裏運行並不是第一個判斷的標準,我只會先判斷它好不好用。就算背後的設計很先進,如果問一個問題要等很久,或者突然彈出一串看不懂的報錯,我大概率還是會換回以前常用的AI。
@OpenGradient 要把任務交給不同節點處理,還要驗證結果有沒有被動過,確實比直接調用一家公司的模型更復雜。但這些麻煩不應該留給用戶承擔。
以我這個新人的感受來看,項目目前還有幾個地方需要改進。首先是技術名詞太多,剛進來很難快速看懂OpenGradient到底解決了什麼問題;其次是模型之間的區別不夠直觀,我不知道哪個速度快、哪個更適合寫作或分析;另外,如果等待時間、節點狀態和驗證過程都沒有清楚提示,用戶很容易把正常驗證誤以爲系統卡住。
關注它不是因爲現在已經足夠完美,而是想看看它能不能把這些不足一步步補上。概念能讓人點進來,穩定、簡單、好用,纔會讓人真正留下來。
AI從今年以來一直是熱點,最近研究 OpenGradient。說實話,白皮書裏的“去中心化推理”“鏈上驗證”,我是真沒有看太看懂。我從使用角度來聊一聊我的看法
打開 OpenGradient Chat 後,最關心這幾個很普通的問題:回覆快不快?連續問幾次會不會卡住?中間有節點掉線,聊天還能不能繼續?
因爲對於我們普通用戶來說,用的什麼樣的技術,在哪裏運行並不是第一個判斷的標準,我只會先判斷它好不好用。就算背後的設計很先進,如果問一個問題要等很久,或者突然彈出一串看不懂的報錯,我大概率還是會換回以前常用的AI。
@OpenGradient 要把任務交給不同節點處理,還要驗證結果有沒有被動過,確實比直接調用一家公司的模型更復雜。但這些麻煩不應該留給用戶承擔。
以我這個新人的感受來看,項目目前還有幾個地方需要改進。首先是技術名詞太多,剛進來很難快速看懂OpenGradient到底解決了什麼問題;其次是模型之間的區別不夠直觀,我不知道哪個速度快、哪個更適合寫作或分析;另外,如果等待時間、節點狀態和驗證過程都沒有清楚提示,用戶很容易把正常驗證誤以爲系統卡住。
關注它不是因爲現在已經足夠完美,而是想看看它能不能把這些不足一步步補上。概念能讓人點進來,穩定、簡單、好用,纔會讓人真正留下來。