लेखक द्वारा छवि
एंथ्रोपिक ने हाल ही में एआई मॉडल की एक नई श्रृंखला लॉन्च की है जिसने बेंचमार्क परीक्षणों में जीपीटी-4 और जेमिनी दोनों से बेहतर प्रदर्शन किया है। एआई उद्योग के तेजी से बढ़ने और विकसित होने के साथ, क्लाउड 3 मॉडल बड़े भाषा मॉडल (एलएलएम) में अगली बड़ी चीज के रूप में महत्वपूर्ण प्रगति कर रहे हैं।
इस ब्लॉग पोस्ट में, हम क्लाउड के 3 मॉडलों के प्रदर्शन बेंचमार्क का पता लगाएंगे। हम नए पायथन एपीआई के बारे में भी जानेंगे जो अपनी उन्नत दृष्टि क्षमताओं के साथ-साथ सरल, अतुल्यकालिक और स्ट्रीम प्रतिक्रिया पीढ़ी का समर्थन करता है।
क्लाउड 3, एआई प्रौद्योगिकी के क्षेत्र में एक महत्वपूर्ण छलांग है। यह एमएमएलयू, जीपीक्यूए और जीएसएम8के समेत विभिन्न मूल्यांकन मानकों पर अत्याधुनिक भाषा मॉडल से बेहतर प्रदर्शन करता है, जो जटिल कार्यों में समझ और प्रवाह के लगभग मानवीय स्तर का प्रदर्शन करता है।
क्लाउड 3 मॉडल तीन वेरिएंट में आते हैं: हाइकु, सॉनेट और ओपस, प्रत्येक की अपनी अद्वितीय क्षमताएं और ताकतें हैं।
- हाइकू सबसे तेज़ और सबसे अधिक लागत प्रभावी मॉडल है, जो तीन सेकंड से भी कम समय में सूचना-सघन शोध पत्रों को पढ़ने और संसाधित करने में सक्षम है।
- गाथा क्लाउड 2 और 2 से 2.1 गुना तेज है, ज्ञान पुनर्प्राप्ति या बिक्री स्वचालन जैसे त्वरित प्रतिक्रिया की मांग करने वाले कार्यों में उत्कृष्टता प्राप्त करता है।
- ओपुस क्लाउड 2 और 2.1 के समान गति प्रदान करता है लेकिन बुद्धिमत्ता के उच्च स्तर के साथ।
नीचे दी गई तालिका के अनुसार, क्लाउड 3 ओपस ने सभी एलएलएम बेंचमार्क पर जीपीटी-4 और जेमिनी अल्ट्रा से बेहतर प्रदर्शन किया, जिससे यह एआई दुनिया में नया नेता बन गया।
से तालिका क्लाउडिया 3
क्लाउड 3 मॉडल में महत्वपूर्ण सुधारों में से एक उनकी मजबूत दृष्टि क्षमताएं हैं। वे फ़ोटो, चार्ट, ग्राफ़ और तकनीकी आरेख सहित विभिन्न दृश्य प्रारूपों को संसाधित कर सकते हैं।
से तालिका क्लाउडिया 3
पर जाकर आप नवीनतम मॉडल का उपयोग शुरू कर सकते हैं https://www.anthropic.com/claude और एक नया खाता बनाना। OpenAI खेल के मैदान की तुलना में यह काफी सरल है।
- पायथन पैकेज स्थापित करने से पहले, हमें यहां जाना होगा https://console.anthropic.com/dashboard और एपीआई कुंजी प्राप्त करें।
- क्लाइंट ऑब्जेक्ट बनाने के लिए सीधे एपीआई कुंजी प्रदान करने के बजाय, आप `ANTHROPIC_API_KEY` पर्यावरण चर सेट कर सकते हैं और इसे कुंजी के रूप में प्रदान कर सकते हैं।
- पीआईपी का उपयोग करके `एंथ्रोपिक` पायथन पैकेज स्थापित करें।
pip install anthropic
- एपीआई कुंजी का उपयोग करके क्लाइंट ऑब्जेक्ट बनाएं। हम टेक्स्ट जेनरेशन, एक्सेस विज़न क्षमता और स्ट्रीमिंग के लिए क्लाइंट का उपयोग करेंगे।
import os
import anthropic
from IPython.display import Markdown, display
client = anthropic.Anthropic(
api_key=os.environ["ANTHROPIC_API_KEY"],
)
आइए यह जांचने के लिए पुराने पायथन एपीआई को आज़माएं कि यह अभी भी काम करता है या नहीं। हम मॉडल नाम, अधिकतम टोकन लंबाई और प्रॉम्प्ट के साथ पूर्णता एपीआई प्रदान करेंगे।
from anthropic import HUMAN_PROMPT, AI_PROMPT
completion = client.completions.create(
model="claude-3-opus-20240229",
max_tokens_to_sample=300,
prompt=f"{HUMAN_PROMPT} How do I cook a original pasta?{AI_PROMPT}",
)
Markdown(completion.completion)
त्रुटि दर्शाती है कि हम `क्लाउड-3-ओपस-20240229` मॉडल के लिए पुराने एपीआई का उपयोग नहीं कर सकते। हमें इसके बजाय संदेश एपीआई का उपयोग करने की आवश्यकता है।
आइए प्रतिक्रिया उत्पन्न करने के लिए संदेश एपीआई का उपयोग करें। प्रॉम्प्ट के बजाय, हमें भूमिका और सामग्री वाले शब्दकोशों की एक सूची के साथ संदेश तर्क प्रदान करना होगा।
Prompt = "Write the Julia code for the simple data analysis."
message = client.messages.create(
model="claude-3-opus-20240229",
max_tokens=1024,
messages=[
{"role": "user", "content": Prompt}
]
)
Markdown(message.content[0].text)
IPython Markdown का उपयोग करने से प्रतिक्रिया Markdown प्रारूप के रूप में प्रदर्शित होगी। मतलब यह बुलेट पॉइंट, कोड ब्लॉक, हेडिंग और लिंक को साफ तरीके से दिखाएगा।
हम आपकी प्रतिक्रिया को अनुकूलित करने के लिए एक सिस्टम प्रॉम्प्ट भी प्रदान कर सकते हैं। हमारे मामले में हम क्लॉड 3 ओपस से उर्दू भाषा में जवाब देने के लिए कह रहे हैं।
client = anthropic.Anthropic(
api_key=os.environ["ANTHROPIC_API_KEY"],
)
Prompt = "Write a blog about neural networks."
message = client.messages.create(
model="claude-3-opus-20240229",
max_tokens=1024,
system="Respond only in Urdu.",
messages=[
{"role": "user", "content": Prompt}
]
)
Markdown(message.content[0].text)
ओपस मॉडल काफी अच्छा है. मेरा मतलब है कि मैं इसे बिल्कुल स्पष्ट रूप से समझ सकता हूं।
सिंक्रोनस एपीआई क्रमिक रूप से एपीआई अनुरोधों को निष्पादित करते हैं, अगली कॉल शुरू करने से पहले प्रतिक्रिया प्राप्त होने तक अवरुद्ध करते हैं। दूसरी ओर, एसिंक्रोनस एपीआई बिना अवरोध के कई समवर्ती अनुरोधों की अनुमति देते हैं, जिससे वे अधिक कुशल और स्केलेबल बन जाते हैं।
- हमें एक Async एंथ्रोपिक क्लाइंट बनाना होगा।
- Async के साथ मुख्य फ़ंक्शन बनाएं।
- प्रतीक्षा सिंटैक्स का उपयोग करके प्रतिक्रिया उत्पन्न करें।
- प्रतीक्षा सिंटैक्स का उपयोग करके मुख्य फ़ंक्शन चलाएँ।
import asyncio
from anthropic import AsyncAnthropic
client = AsyncAnthropic(
api_key=os.environ["ANTHROPIC_API_KEY"],
)
async def main() -> None:
Prompt = "What is LLMOps and how do I start learning it?"
message = await client.messages.create(
max_tokens=1024,
messages=[
{
"role": "user",
"content": Prompt,
}
],
model="claude-3-opus-20240229",
)
display(Markdown(message.content[0].text))
await main()
नोट: यदि आप Jupyter Notebook में async का उपयोग कर रहे हैं, तो asyncio.run(main()) के बजाय wait main() का उपयोग करने का प्रयास करें।
स्ट्रीमिंग एक ऐसा दृष्टिकोण है जो पूर्ण प्रतिक्रिया की प्रतीक्षा किए बिना, भाषा मॉडल के आउटपुट को उपलब्ध होते ही संसाधित करने में सक्षम बनाता है। यह विधि आउटपुट टोकन को एक साथ लौटाने के बजाय टोकन द्वारा लौटाकर कथित विलंबता को कम करती है।
`messages.create` के बजाय, हम प्रतिक्रिया स्ट्रीमिंग के लिए `messages.stream` का उपयोग करेंगे और उपलब्ध होते ही प्रतिक्रिया से कई शब्दों को प्रदर्शित करने के लिए एक लूप का उपयोग करेंगे।
from anthropic import Anthropic
client = anthropic.Anthropic(
api_key=os.environ["ANTHROPIC_API_KEY"],
)
Prompt = "Write a mermaid code for typical MLOps workflow."
completion = client.messages.stream(
max_tokens=1024,
messages=[
{
"role": "user",
"content": Prompt,
}
],
model="claude-3-opus-20240229",
)
with completion as stream:
for text in stream.text_stream:
print(text, end="", flush=True)
जैसा कि हम देख सकते हैं, हम काफी तेजी से प्रतिक्रिया उत्पन्न कर रहे हैं।
हम स्ट्रीमिंग के साथ एसिंक फ़ंक्शन का भी उपयोग कर सकते हैं। आपको बस रचनात्मक होने और उन्हें संयोजित करने की आवश्यकता है।
import asyncio
from anthropic import AsyncAnthropic
client = AsyncAnthropic()
async def main() -> None:
completion = client.messages.stream(
max_tokens=1024,
messages=[
{
"role": "user",
"content": Prompt,
}
],
model="claude-3-opus-20240229",
)
async with completion as stream:
async for text in stream.text_stream:
print(text, end="", flush=True)
await main()
क्लाउड 3 विज़न समय के साथ बेहतर होता गया है, और प्रतिक्रिया प्राप्त करने के लिए, आपको बस संदेश एपीआई को बेस64 प्रकार की छवि प्रदान करनी होगी।
इस उदाहरण में, हम उपयोग करेंगे गुलदस्ता (छवि 1) और राजहंस (छवि 2) छवि के बारे में प्रश्न पूछकर प्रतिक्रिया उत्पन्न करने के लिए Pexel.com से तस्वीरें।
हम pexel.com से दोनों छवियों को लाने और उन्हें बेस 64 एन्कोडिंग में बदलने के लिए `httpx` लाइब्रेरी का उपयोग करेंगे।
import anthropic
import base64
import httpx
client = anthropic.Anthropic()
media_type = "image/jpeg"
img_url_1 = "https://images.pexels.com/photos/20230232/pexels-photo-20230232/free-photo-of-tulips-in-a-vase-against-a-green-background.jpeg"
image_data_1 = base64.b64encode(httpx.get(img_url_1).content).decode("utf-8")
img_url_2 = "https://images.pexels.com/photos/20255306/pexels-photo-20255306/free-photo-of-flamingos-in-the-water.jpeg"
image_data_2 = base64.b64encode(httpx.get(img_url_2).content).decode("utf-8")
हम छवि सामग्री ब्लॉक में संदेश एपीआई को बेस 64-एन्कोडेड छवियां प्रदान करते हैं। प्रतिक्रिया सफलतापूर्वक उत्पन्न करने के लिए कृपया नीचे दिखाए गए कोडिंग पैटर्न का पालन करें।
message = client.messages.create(
model="claude-3-opus-20240229",
max_tokens=1024,
messages=[
{
"role": "user",
"content": [
{
"type": "image",
"source": {
"type": "base64",
"media_type": media_type,
"data": image_data_1,
},
},
{
"type": "text",
"text": "Write a poem using this image."
}
],
}
],
)
Markdown(message.content[0].text)
हमें ट्यूलिप के बारे में एक सुंदर कविता मिली।
आइए एक ही क्लाउड 3 संदेश एपीआई में एकाधिक छवियां लोड करने का प्रयास करें।
message = client.messages.create(
model="claude-3-opus-20240229",
max_tokens=1024,
messages=[
{
"role": "user",
"content": [
{
"type": "text",
"text": "Image 1:"
},
{
"type": "image",
"source": {
"type": "base64",
"media_type": media_type,
"data": image_data_1,
},
},
{
"type": "text",
"text": "Image 2:"
},
{
"type": "image",
"source": {
"type": "base64",
"media_type": media_type,
"data": image_data_2,
},
},
{
"type": "text",
"text": "Write a short story using these images."
}
],
}
],
)
Markdown(message.content[0].text)
हमारे पास ट्यूलिप और राजहंस के बगीचे के बारे में एक छोटी सी कहानी है।
यदि आपको कोड चलाने में परेशानी हो रही है, तो यहां है डीपनोट कार्यक्षेत्र जहां आप स्वयं कोड की समीक्षा कर सकते हैं और चला सकते हैं।
मुझे लगता है कि क्लाउड 3 ओपस एक आशाजनक मॉडल है, हालांकि यह जीपीटी-4 और जेमिनी जितना तेज़ नहीं हो सकता है। मेरा मानना है कि भुगतान करने वाले उपयोगकर्ताओं के पास बेहतर गति हो सकती है।
इस ट्यूटोरियल में, हमने एंथ्रोपिक की क्लाउड 3 नामक नई मॉडल श्रृंखला के बारे में सीखा, इसके बेंचमार्क की समीक्षा की, और इसकी दृष्टि क्षमताओं का परीक्षण किया। हमने सरल, एसिंक और स्ट्रीम प्रतिक्रियाएँ उत्पन्न करना भी सीखा। यह कहना जल्दबाजी होगी कि क्या यह सबसे अच्छा एलएलएम है, लेकिन अगर हम आधिकारिक परीक्षण बेंचमार्क को देखें, तो हमारे पास एआई के सिंहासन पर एक नया राजा है।
आबिद अली अवनी (@1अबिदलियावान) एक प्रमाणित डेटा वैज्ञानिक पेशेवर है जो मशीन लर्निंग मॉडल बनाना पसंद करता है। वर्तमान में, वह सामग्री निर्माण और मशीन लर्निंग और डेटा विज्ञान प्रौद्योगिकियों पर तकनीकी ब्लॉग लिखने पर ध्यान केंद्रित कर रहा है। आबिद के पास प्रौद्योगिकी प्रबंधन में मास्टर डिग्री और दूरसंचार इंजीनियरिंग में स्नातक की डिग्री है। उनका दृष्टिकोण मानसिक बीमारी से जूझ रहे छात्रों के लिए ग्राफ न्यूरल नेटवर्क का उपयोग करके एआई उत्पाद बनाना है।
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
- प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
- प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
- स्रोत: https://www.kdnuggets.com/getting-started-with-claude-3-opus-that-just-destroyed-gpt-4-and-gemini?utm_source=rss&utm_medium=rss&utm_campaign=getting-started-with-claude-3-opus-that-just-destroyed-gpt-4-and-gemini