🔍J'ai remarqué que les traders qui survivent le plus longtemps ne sont pas ceux avec les meilleurs modèles, mais ceux qui posent des questions inconfortables sur leurs propres positions avant que le marché ne les y contraigne. Ce genre d'honnêteté est rare, et cela m'a fait réfléchir sur pourquoi la plupart des outils, y compris l'IA, sont construits de manière à décourager cela en silence.
Cette pensée est ce qui a fait que @OpenGradient Chat s'est démarqué pour moi cette fois-ci, en particulier la sélection de modèles dans le chat privé. Avoir accès à quelque chose comme Nous Hermes aux côtés d'intégrations plus récentes telles que Claude Fable 5 signifie que la contrainte n'est pas la volonté du modèle à s'engager, mais la clarté de l'utilisateur sur ce qu'il essaie réellement de résoudre.
La plupart des gens considèrent l'accès à des modèles non censurés comme une nouveauté ou une solution de contournement. Je pense que l'interprétation la plus utile est informative. Quand un modèle ne filtre pas par rapport à une sensibilité présumée, l'utilisateur obtient moins de distorsion entre la question et la réponse. Cela compte plus pour les cas d'utilisation axés sur l'analyse que les gens ne le supposent initialement, car les réponses filtrées optimisent souvent la prudence plutôt que l'exactitude.
La faiblesse ici est l'adaptation. Une fois que les utilisateurs se sentent à l'aise avec un dialogue non restreint, les attentes changent rapidement et les concurrents réagiront probablement en assouplissant également leurs propres contraintes. La différenciation par l'ouverture des modèles a une durée de vie limitée à moins d'être associée à quelque chose de plus accrocheur comme l'infrastructure de confidentialité qui la sous-tend.
Ce que je surveillerais réellement, c'est si les utilisateurs reviennent à des modèles restreints pour des tâches de routine et ne passent à des modèles ouverts que pour des cas d'utilisation spécifiques et récurrents. Ce genre de comportement sélectif en dit plus sur l'utilité réelle que sur le volume d'utilisation brut. Les achats de crédits liés à l'airdrop S2 $OPG gonfleront l'activité précoce de toute façon, donc isoler le comportement après que les incitations s'estompent est plus important que l'adoption initiale.
Je ne suis toujours pas décidé sur le fait que l'accès non restreint aux modèles devienne un moteur de rétention à long terme ou simplement une phase que les utilisateurs traversent avant de se fixer dans une utilisation plus étroite et habituelle, et je ne pense pas que les données existent encore pour trancher de part et d'autre.
#OPG
Cette pensée est ce qui a fait que @OpenGradient Chat s'est démarqué pour moi cette fois-ci, en particulier la sélection de modèles dans le chat privé. Avoir accès à quelque chose comme Nous Hermes aux côtés d'intégrations plus récentes telles que Claude Fable 5 signifie que la contrainte n'est pas la volonté du modèle à s'engager, mais la clarté de l'utilisateur sur ce qu'il essaie réellement de résoudre.
La plupart des gens considèrent l'accès à des modèles non censurés comme une nouveauté ou une solution de contournement. Je pense que l'interprétation la plus utile est informative. Quand un modèle ne filtre pas par rapport à une sensibilité présumée, l'utilisateur obtient moins de distorsion entre la question et la réponse. Cela compte plus pour les cas d'utilisation axés sur l'analyse que les gens ne le supposent initialement, car les réponses filtrées optimisent souvent la prudence plutôt que l'exactitude.
La faiblesse ici est l'adaptation. Une fois que les utilisateurs se sentent à l'aise avec un dialogue non restreint, les attentes changent rapidement et les concurrents réagiront probablement en assouplissant également leurs propres contraintes. La différenciation par l'ouverture des modèles a une durée de vie limitée à moins d'être associée à quelque chose de plus accrocheur comme l'infrastructure de confidentialité qui la sous-tend.
Ce que je surveillerais réellement, c'est si les utilisateurs reviennent à des modèles restreints pour des tâches de routine et ne passent à des modèles ouverts que pour des cas d'utilisation spécifiques et récurrents. Ce genre de comportement sélectif en dit plus sur l'utilité réelle que sur le volume d'utilisation brut. Les achats de crédits liés à l'airdrop S2 $OPG gonfleront l'activité précoce de toute façon, donc isoler le comportement après que les incitations s'estompent est plus important que l'adoption initiale.
Je ne suis toujours pas décidé sur le fait que l'accès non restreint aux modèles devienne un moteur de rétention à long terme ou simplement une phase que les utilisateurs traversent avant de se fixer dans une utilisation plus étroite et habituelle, et je ne pense pas que les données existent encore pour trancher de part et d'autre.
#OPG