AI ಕ್ಲೌಡ್ನಲ್ಲಿಯೇ ಇರಬೇಕೆಂದಿಲ್ಲ. ಕಳೆದ ಒಂದು ವರ್ಷದಲ್ಲಿ, ಈ ಕ್ಷೇತ್ರದಲ್ಲಿ ಕಂಡುಬಂದ ಅತ್ಯಂತ ಆಸಕ್ತಿದಾಯಕ ಬದಲಾವಣೆಯು ದೊಡ್ಡ ಮಾಡೆಲ್ ಅಥವಾ ಹೆಚ್ಚು ಆಕರ್ಷಕ ಚಾಟ್ಬಾಟ್ ಆಗಿರಲಿಲ್ಲ. ಅದು ನಿಮ್ಮ ಮೇಜಿನ ಕೆಳಗೆ ಇರುವ ಸಾಮಾನ್ಯ ಹಾರ್ಡ್ವೇರ್ಗೆ ಭಾರೀ ಕೆಲಸದ ಹೊರೆಗಳು (workloads) ವರ್ಗಾವಣೆಯಾಗುತ್ತಿರುವುದು ಮತ್ತು ಪ್ರೀಮಿಯಂ API ಗಳಿಗಾಗಿ ಹಣ ವ್ಯಯಿಸುವುದು ಹೆಚ್ಚಾಗಿ ಅನಗತ್ಯ ಎಂಬ ಬೆಳೆಯುತ್ತಿರುವ ಅರಿವು. ಇತ್ತೀಚಿನ ಮೂರು ಬೆಳವಣಿಗೆಗಳು ಇದನ್ನು ಈಗಲೇ ಪ್ರಾಯೋಗಿಕವಾಗಿಸುತ್ತವೆ: ಚಿತ್ರ ತಯಾರಿಕೆಯ ಮಾಡೆಲ್ಗಳ ಗುಣಮಟ್ಟವನ್ನು ಹಾಳುಮಾಡದೆ ಅವುಗಳ ಗಾತ್ರವನ್ನು ಕುಗ್ಗಿಸುವ ಹೊಸ ಕ್ವಾಂಟೈಸೇಶನ್ ಇಂಜಿನ್ (quantization engine), ನಿಮ್ಮ ಡೇಟಾವನ್ನು ನಿಮ್ಮ ಯಂತ್ರದಲ್ಲೇ ಇರಿಸಿಕೊಳ್ಳುವ ಡೆಸ್ಕ್ಟಾಪ್ ಏಜೆಂಟ್, ಮತ್ತು ಬಹಳಷ್ಟು ತಂಡಗಳು ನಿರ್ಲಕ್ಷಿಸುವ ಅತ್ಯಂತ ಸರಳವಾದ ವೆಚ್ಚ ಕಡಿತದ ತಂತ್ರ.
Quantized Diffusion ನಿಮ್ಮ ಸ್ಥಳೀಯ ಹಾರ್ಡ್ವೇರ್ನಲ್ಲಿಯೇ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ
Hugging Face ಸಂಸ್ಥೆಯು ಡಿಫ್ಯೂಷನ್ ಮಾಡೆಲ್ಗಳಿಗಾಗಿ ವಿಶೇಷವಾಗಿ ನಿರ್ಮಿಸಲಾದ 4-bit ಕ್ವಾಂಟೈಸೇಶನ್ ವಿಧಾನವಾದ Nunchaku ಅನ್ನು ಬಿಡುಗಡೆ ಮಾಡಿದೆ. ಇದು ಜನಪ್ರಿಯ Diffusers ಲೈಬ್ರರಿಗೆ ನೇರವಾಗಿ ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ, ಅಂದರೆ ನಿಮ್ಮ ಪೈಪ್ಲೈನ್ ಅನ್ನು ಮೊದಲಿನಿಂದ ಮರುನಿರ್ಮಾಣ ಮಾಡದೆ ನೀವು ಇದನ್ನು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಸೆಟಪ್ಗಳಿಗೆ ಬಳಸಬಹುದು.
4-bit ಕ್ವಾಂಟೈಸೇಶನ್ ಎಂದರೆ ವಾಸ್ತವವಾಗಿ ಏನು? ಸರಳವಾಗಿ ಹೇಳುವುದಾದರೆ, ಇದು ಮಾಡೆಲ್ನ ತೂಕಗಳ (weights) ಸಂಖ್ಯಾತ್ಮಕ ನಿಖರತೆಯನ್ನು ಸಂಕುಚಿತಗೊಳಿಸುತ್ತದೆ. ಪ್ರತಿಯೊಂದು ಪ್ಯಾರಾಮೀಟರ್ ಅನ್ನು ಪೂರ್ಣ 32-bit ಅಥವಾ 16-bit ನಿಖರತೆಯಲ್ಲಿ ಸಂಗ್ರಹಿಸುವ ಬದಲು, Nunchaku ಪ್ರತಿ ತೂಕಕ್ಕೆ ನಾಲ್ಕು ಬಿಟ್ಗಳವರೆಗೆ ಕಡಿತಗೊಳಿಸುತ್ತದೆ. ಮಾಡೆಲ್ ಮೂಲ ಡಿಸ್ಕ್ ಸ್ಪೇಸ್ನ ಒಂದು ಸಣ್ಣ ಭಾಗವನ್ನು ಮಾತ್ರ ಬಳಸುತ್ತದೆ ಮತ್ತು ಮುಖ್ಯವಾಗಿ, ಲೋಡ್ ಆದ ನಂತರ ಇದು ಬಹಳ ಕಡಿಮೆ VRAM ಅನ್ನು ಬಯಸುತ್ತದೆ. 8 GB ಅಥವಾ 12 GB VRAM ಹೊಂದಿರುವ ಕನ್ಸ್ಯೂಮರ್ GPU ಬಳಕೆದಾರರಿಗೆ, ಇದು ಪ್ರೋಗ್ರೆಸ್ ಬಾರ್ ನಿಧಾನವಾಗಿ ಚಲಿಸುವುದನ್ನು ನೋಡುವುದಕ್ಕೂ ಮತ್ತು ಚಿತ್ರವನ್ನು ವೇಗವಾಗಿ ತಯಾರಿಸುವುದಕ್ಕೂ ಇರುವ ವ್ಯತ್ಯಾಸವಾಗಿದೆ.
ಇದರ ಪ್ರಾಯೋಗಿಕ ಪರಿಣಾಮ ಗಮನಾರ್ಹವಾಗಿದೆ. ಈ ಕೆಲಸಕ್ಕೆ ಹಿಂದೆ ಕಡಿಮೆ ಸಾಮರ್ಥ್ಯವುಳ್ಳವು ಎಂದು ಪರಿಗಣಿಸಲಾಗಿದ್ದ ಹಾರ್ಡ್ವೇರ್ನಲ್ಲಿಯೂ ನೀವು ದೊಡ್ಡ ಡಿಫ್ಯೂಷನ್ ಮಾಡೆಲ್ಗಳನ್ನು ಚಲಾಯಿಸಬಹುದು. ಕೆಲವು ತಲೆಮಾರುಗಳ ಹಿಂದಿನ ಮಿಡ್-ರೇಂಜ್ ಕಾರ್ಡ್ ಕೂಡ ಹೈ-ರೆಸಲ್ಯೂಶನ್ ಇಮೇಜ್ ಸಿಂಥೆಸಿಸ್ಗೆ (image synthesis) ಇದ್ದಕ್ಕಿದ್ದಂತೆ ಸೂಕ್ತವಾಗುತ್ತದೆ. ಮತ್ತು Nunchaku ದೃಶ್ಯ ನಿಖರತೆಯನ್ನು (visual fidelity) ಕಾಪಾಡಿಕೊಳ್ಳಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದ್ದರಿಂದ, ಔಟ್ಪುಟ್ ಅಸ್ಪಷ್ಟವಾಗುವುದಿಲ್ಲ. ನೀವು ಗೇಮ್ ಅಸೆಟ್ಗಳ ಪ್ರೊಟೊಟೈಪಿಂಗ್ ಮಾಡುತ್ತಿರಲಿ, ಪ್ರಾಡಕ್ಟ್ ಮಾಕ್ಗಳನ್ನು ತಯಾರಿಸುತ್ತಿರಲಿ ಅಥವಾ ಇಲಸ್ಟ್ರೇಶನ್ಗಳನ್ನು ಬ್ಯಾಚ್-ಪ್ರೊಸೆಸ್ ಮಾಡುತ್ತಿರಲಿ, ಚಿತ್ರಗಳು ನೈಜ ಬಳಕೆಗೆ ಬೇಕಾದಷ್ಟು ಸ್ಪಷ್ಟವಾಗಿರುತ್ತವೆ.
ಇದರಲ್ಲಿ ಗೌಪ್ಯತೆಯ (privacy) ಅಂಶವೂ ಇದೆ. ಡಿಫ್ಯೂಷನ್ ಅನ್ನು ಸ್ಥಳೀಯವಾಗಿ (locally) ಚಲಾಯಿಸುವುದು ಎಂದರೆ ನಿಮ್ಮ ಪ್ರಾಂಪ್ಟ್ಗಳು ಮತ್ತು ತಯಾರಾದ ಚಿತ್ರಗಳು ನಿಮ್ಮ ಯಂತ್ರವನ್ನು ಎಂದಿಗೂ ಬಿಟ್ಟು ಹೋಗುವುದಿಲ್ಲ. ನೀವು ಸೂಕ್ಷ್ಮವಾದ ಕನ್ಸೆಪ್ಟ್ ಆರ್ಟ್ ಅಥವಾ ಮಾಲೀಕತ್ವದ ವಿನ್ಯಾಸಗಳನ್ನು ರಿಮೋಟ್ ಸರ್ವರ್ಗೆ ಅಪ್ಲೋಡ್ ಮಾಡುತ್ತಿಲ್ಲ. ಎಲ್ಲವೂ ನಿಮ್ಮ ಫೈರ್ವಾಲ್ನ ಹಿಂದೆ, ನಿಮ್ಮ ಡಿಸ್ಕ್ನಲ್ಲೇ ಇರುತ್ತದೆ. ಗೌಪ್ಯ IPಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಸ್ಟುಡಿಯೋಗಳು ಅಥವಾ ನಿಯಂತ್ರಿತ ಉದ್ಯಮಗಳಲ್ಲಿ ಕೆಲಸ ಮಾಡುವ ಕ್ರಿಯೇಟಿವ್ಗಳಿಗೆ, ಈ ಪ್ರತ್ಯೇಕತೆ ಕೇವಲ ಐಷಾರಾಮಿ ಅಲ್ಲ; ಅದು ಒಂದು ಅಗತ್ಯವಾಗಿದೆ.
ಆಫ್ಲೈನ್ನಲ್ಲಿ ನಿಜವಾಗಿಯೂ ಕೆಲಸ ಮಾಡುವ ಡೆಸ್ಕ್ಟಾಪ್ ಏಜೆಂಟ್ಗಳು
ನಿಮ್ಮ ಡೆಸ್ಕ್ಟಾಪ್ ಅನ್ನು ಆಟೊಮೇಷನ್ ಮಾಡಲು ಕ್ಲೌಡ್ APIಗಳು ಒಂದೇ ದಾರಿಯಲ್ಲಲ್ಲ. Claude Cowork ಎಂಬ AI ಏಜೆಂಟ್ ಫ್ರೇಮ್ವರ್ಕ್ ಈಗ Windows ಮತ್ತು Linux ನಲ್ಲಿ ನೇರವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಸೆಟಪ್ ಮಾಡುವುದು ಎಷ್ಟು ಸರಳವಾಗಿದೆ ಎಂದರೆ, ಪ್ರತಿಯೊಂದು ಕ್ರಿಯೆಯನ್ನು ಬಾಹ್ಯ ಎಂಡ್ಪಾಯಿಂಟ್ಗೆ ಕಳುಹಿಸುವ ಬದಲು ನೀವು ಏಜೆಂಟ್ ಅನ್ನು ಸ್ಥಳೀಯವಾಗಿ ಹೋಸ್ಟ್ ಮಾಡಬಹುದು.
ಒಮ್ಮೆ ಚಾಲನೆಯಾದ ನಂತರ, Claude Cowork ಸಾಮಾನ್ಯ ಕಚೇರಿ ಕೆಲಸಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ. ಇದು ಫೈಲ್ಗಳನ್ನು ಡ್ರಾಫ್ಟ್ ಮಾಡುತ್ತದೆ, ರಸೀದಿಗಳನ್ನು ಸಂಘಟಿಸುತ್ತದೆ ಮತ್ತು ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಸೂಚನೆಗಳ ಆಧಾರದ ಮೇಲೆ ಫೋಲ್ಡರ್ಗಳ ನಡುವೆ ಡೇಟಾವನ್ನು ವರ್ಗಾಯಿಸುತ್ತದೆ. ಅಪ್ಲಿಕೇಶನ್ ಲಾಜಿಕ್ ನಿಮ್ಮ ಯಂತ್ರದಲ್ಲಿಯೇ ಕಾರ್ಯಗತಗೊಳ್ಳುತ್ತದೆ, ಇದು ದೈನಂದಿನ ಕೆಲಸದ ಸ್ವರೂಪವನ್ನೇ ಬದಲಾಯಿಸುತ್ತದೆ. ಬ್ರೌಸರ್ ಟ್ಯಾಬ್ಗೆ ಪಠ್ಯವನ್ನು ಕಾಪಿ ಮಾಡಿ ಸರ್ವರ್ ಪ್ರತಿಕ್ರಿಯೆಗಾಗಿ ಕಾಯುವ ಬದಲು, ನೀವು ಶೆಲ್ ಸ್ಕ್ರಿಪ್ಟ್ಗೆ ಮಾತನಾಡುವಂತೆಯೇ ಸರಳ ಇಂಗ್ಲಿಷ್ನಲ್ಲಿ ಕಮಾಂಡ್ಗಳನ್ನು ನೀಡಬಹುದು.
ಏಜೆಂಟ್ ಅನ್ನು ಸ್ಥಳೀಯವಾಗಿ ಇರಿಸುವುದು ಕೇವಲ ವೇಗಕ್ಕಾಗಿ ಮಾತ್ರವಲ್ಲ. ನಿಮ್ಮ ಫೈಲ್ಗಳು, ಫೈಲ್ ಹೆಸರುಗಳು ಮತ್ತು ಫೋಲ್ಡರ್ ರಚನೆಗಳು ಬೇರೆಯವರ ಕ್ಲೌಡ್ನಲ್ಲಿ ಇರುವುದಿಲ್ಲ. ನೀವು ಹಣಕಾಸಿನ ದಾಖಲೆಗಳು, ಕಾನೂನು ದಾಖಲೆಗಳು ಅಥವಾ ಡೇಟಾ ರೆಸಿಡೆನ್ಸಿ ನಿಯಮಗಳಿಗೆ ಬದ್ಧವಾಗಿರುವ ಯಾವುದೇ ವಿಷಯಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತಿದ್ದರೆ, ಈ ನಿಯಂತ್ರಣದ ಮಹತ್ವವನ್ನು ಅತಿಶಯೋಕ್ತಿಯಾಗಿ ಹೇಳಲು ಸಾಧ್ಯವಿಲ್ಲ. ಡೆಸ್ಕ್ಟಾಪ್ ಏಜೆಂಟ್ ನಿಮ್ಮ ಡೈರೆಕ್ಟರಿ ಲಿಸ್ಟಿಂಗ್ ಅನ್ನು ಹೊರಗಿನವರಿಗೆ ಕಳುಹಿಸುವುದಿಲ್ಲ. ಅದು ನಿಮ್ಮ ತೆರಿಗೆ ಸ್ಪ್ರೆಡ್ಶೀಟ್ಗಳ ಮೇಲೆ ತರಬೇತಿ ಪಡೆಯುವುದಿಲ್ಲ.
AI ಅನ್ನು ನಿಮ್ಮ ವರ್ಕ್ಫ್ಲೋಗೆ ಇಷ್ಟು ಹತ್ತಿರ ತರುವುದು ಘರ್ಷಣೆಯನ್ನು (friction) ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ನೀವು ಟೋಕನ್ಗಳು ಅಥವಾ API ಕೀಗಳ ಬಗ್ಗೆ ಯೋಚಿಸುವುದನ್ನು ನಿಲ್ಲಿಸುತ್ತೀರಿ. ಪಶ್ಚಿಮ ಕರಾವಳಿಯಲ್ಲಿನ (West Coast) ಸೇವೆಯ ವ್ಯತ್ಯಯವು ಮಧ್ಯಾಹ್ನದ ಸಮಯದಲ್ಲಿ ನಿಮ್ಮ ಆಟೊಮೇಷನ್ ಅನ್ನು ಸ್ಥಗಿತಗೊಳಿಸುತ್ತದೆಯೇ ಎಂದು ನೀವು ಆತಂಕಪಡುವ ಅಗತ್ಯವಿಲ್ಲ. ಈ ಸಾಧನವು ಬಾಡಿಗೆಗೆ ಪಡೆದ ದೂರದ ಉದ್ಯೋಗಿಯಂತೆ ಇರದೆ, ನಿಮ್ಮ ಆಪರೇಟಿಂಗ್ ಸಿಸ್ಟಮ್ನ ಭಾಗವಾಗುತ್ತದೆ.
ಸರಳ ಕೆಲಸಗಳಿಗೆ ದುಬಾರಿ ಮಾಡೆಲ್ಗಳನ್ನು ಬಳಸುವುದನ್ನು ನಿಲ್ಲಿಸಿ
ಯಾವುದೇ ಕಾರಣವಿಲ್ಲದೆ ಬಜೆಟ್ ಅನ್ನು ವ್ಯಯಿಸುವ ಒಂದು ಅಭ್ಯಾಸ ಇಲ್ಲಿದೆ: ಪ್ರತಿಯೊಂದು ಕೆಲಸಕ್ಕೂ Claude Opus ಅನ್ನು ಕರೆಯುವುದು. ಅನೇಕ ಡೆವಲಪರ್ಗಳು ಲಭ್ಯವಿರುವ ಅತಿದೊಡ್ಡ ಮತ್ತು ಅತ್ಯಂತ ದುಬಾರಿ ಮಾಡೆಲ್ ಅನ್ನು ಬಳಸುತ್ತಾರೆ, ಪ್ರೀಮಿಯಂ ರೀಸನಿಂಗ್ (reasoning) ಯಾವಾಗಲೂ ಬೆಲೆಗೆ ತಕ್ಕ ಮೌಲ್ಯವನ್ನು ನೀಡುತ್ತದೆ ಎಂದು ಭಾವಿಸುತ್ತಾರೆ. ಆದರೆ ಅದು ನಿಜವಲ್ಲ.
ಸುಮಾರು 60% ರಿಂದ 70% AI ಕಾರ್ಯಗಳು ಸರಳ ಫೈಲ್ ಓದುವಿಕೆ, ಪಠ್ಯ ಹೊರತೆಗೆಯುವಿಕೆ (text extraction), ಪ್ಯಾಟರ್ನ್ ಮ್ಯಾಚಿಂಗ್ ಅಥವಾ ಮೂಲಭೂತ ಕಮಾಂಡ್ ರೂಟಿಂಗ್ ಆಗಿರುತ್ತವೆ. ಈ ಕೆಲಸಗಳಿಗೆ ಅತ್ಯಾಧುನಿಕ (frontier-level) ರೀಸನಿಂಗ್ ಅಗತ್ಯವಿಲ್ಲ. ಅವುಗಳಿಗೆ ಸಮರ್ಥವಾದ ಮತ್ತು ವೇಗದ ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆ ಅಗತ್ಯವಿದೆ. ಒಂದು ಲೈಟ್ವೇಯ್ಟ್ ಡೈರೆಕ್ಟರಿ ಸ್ಕ್ಯಾನ್ ಅನ್ನು ಟಾಪ್-ಟಿಯರ್ ಮಾಡೆಲ್ಗೆ ನೀಡುವುದು ಎಂದರೆ ವೈಟ್ಬೋರ್ಡ್ ನೇತುಹಾಕಲು ಒಬ್ಬ ಹಿರಿಯ ಆರ್ಕಿಟೆಕ್ಟ್ ಅನ್ನು ನೇಮಿಸಿಕೊಳ್ಳುವಂತೆ. ಕೆಲಸವು ಪೂರ್ಣಗೊಳ್ಳುತ್ತದೆ, ಆದರೆ ನೀವು ಬಳಸದ ಪರಿಣತಿಯಕ್ಕಾಗಿ ಹಣವನ್ನು ಪಾವತಿಸಿರುತ್ತೀರಿ.
ಒಂದು ಹಂತೀಯ ವಿಧಾನವು (tiered approach) ಇದನ್ನು ಸರಿಪಡಿಸುತ್ತದೆ. ಸಣ್ಣ ಕಾರ್ಯಗಳನ್ನು ಸ್ಥಳೀಯ ಮಾದರಿಗಳಿಗೆ (local models) ಅಥವಾ ಸಣ್ಣ ಕ್ಲೌಡ್ ಎಂಡ್ಪಾಯಿಂಟ್ಗಳಿಗೆ ವರ್ಗಾಯಿಸಿ. ವರ್ಗೀಕರಣ (classification), ಸಾರಾಂಶ (summarization) ಮತ್ತು ಫಾರ್ಮ್ಯಾಟಿಂಗ್ಗಾಗಿ ನಿಮ್ಮ ಸ್ವಂತ ಹಾರ್ಡ್ವೇರ್ನಲ್ಲಿ ಚಲಿಸುವ 7-ಬಿಲಿಯನ್-ಪ್ಯಾರಾಮೀಟರ್ ಮಾದರಿಯನ್ನು ಬಳಸಿ. ಸಂಕೀರ್ಣ ತರ್ಕ (complex logic), ಬಹು-ಹಂತದ ಯೋಜನೆ (multi-step planning) ಅಥವಾ ಆಳವಾದ ಡೊಮೇನ್ ತರ್ಕದ (deep domain reasoning) ಅಗತ್ಯವಿರುವ ಕಾರ್ಯಗಳಿಗಾಗಿ Claude Opus ಸೇರಿದಂತೆ ದೊಡ್ಡ ಮಾದರಿಗಳನ್ನು (heavyweights) ಉಳಿಸಿಕೊಳ್ಳಿ.
ಇದು ವೆಚ್ಚವನ್ನು ಗಣನೀಯವಾಗಿ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ, ಜೊತೆಗೆ ನಿಮ್ಮ ಪೈಪ್ಲೈನ್ ಅನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ. ಸಣ್ಣ ಮಾದರಿಗಳು ತಕ್ಷಣವೇ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತವೆ. ಅವು ಹಂಚಿಕೆಯ API ಯಲ್ಲಿ ಎಂಟರ್ಪ್ರೈಸ್ ಟ್ರಾಫಿಕ್ ಹಿಂದೆ ಕ್ಯೂನಲ್ಲಿ ಕಾಯುವುದಿಲ್ಲ. ನೀವು ವೇಗವಾಗಿ ಉತ್ತರಗಳನ್ನು ಪಡೆಯುತ್ತೀರಿ ಮತ್ತು ನಿಮ್ಮ ಮಾಸಿಕ ಬಿಲ್ ಕಡಿಮೆಯಾಗುತ್ತದೆ. ಈ ತಂತ್ರವು ಗುಣಮಟ್ಟದೊಂದಿಗೆ ರಾಜಿ ಮಾಡಿಕೊಳ್ಳುವುದಲ್ಲ; ಬದಲಾಗಿ ಅಗತ್ಯಕ್ಕೆ ತಕ್ಕ ಶಕ್ತಿಯನ್ನು (horsepower) ಬಳಸುವುದಾಗಿದೆ.
ನಿಜವಾದ ಸಾರಾಂಶ
ಇಲ್ಲಿನ ಸಾಮಾನ್ಯ ಅಂಶವೆಂದರೆ ಸ್ವಾತಂತ್ರ್ಯ. Nunchaku ಕ್ಲಸ್ಟರ್ ಅನ್ನು ಬಾಡಿಗೆಗೆ ಪಡೆಯದೆ ಚಿತ್ರಗಳನ್ನು ರಚಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ. Claude Cowork ನಿಮ್ಮ ಆಟೊಮೇಷನ್ ಅನ್ನು ನಿಮ್ಮ ಸ್ವಂತ ಹಾರ್ಡ್ವೇರ್ನಲ್ಲಿ ಇರಿಸುತ್ತದೆ. ಹಂತೀಯ ಮಾದರಿ ತಂತ್ರವು ದೈನಂದಿನ ಪ್ರಯಾಣಕ್ಕಾಗಿ ಐಷಾರಾಮಿ ಇಂಜಿನ್ ಅನ್ನು ಬಾಡಿಗೆಗೆ ಪಡೆಯುವುದನ್ನು ತಪ್ಪಿಸುತ್ತದೆ. ಒಟ್ಟಾಗಿ, ಇವು AI ನೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು ಅಗ್ಗದ, ವೇಗದ ಮತ್ತು ಹೆಚ್ಚು ಖಾಸಗಿ ಮಾರ್ಗವನ್ನು ಸೂಚಿಸುತ್ತವೆ. ಈ ವಾರ ಒಂದು ಪ್ರಯೋಗದೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ. ನಿಮ್ಮ ಪ್ರಸ್ತುತ GPU ಮೇಲೆ Nunchaku ಅನ್ನು ಇನ್ಸ್ಟಾಲ್ ಮಾಡಿ, ಸಾಮಾನ್ಯ ಫೈಲಿಂಗ್ ಕಾರ್ಯಕ್ಕಾಗಿ ಸ್ಥಳೀಯ ಏಜೆಂಟ್ ಅನ್ನು ಪರೀಕ್ಷಿಸಿ ಅಥವಾ ಎಷ್ಟು ಕರೆಗಳಿಗೆ ನಿಜವಾಗಿಯೂ ಟಾಪ್-ಟಿಯರ್ ಮಾದರಿಯ ಅಗತ್ಯವಿತ್ತು ಎಂದು ನೋಡಲು ನಿಮ್ಮ API ಲಾಗ್ಗಳನ್ನು ಪರಿಶೀಲಿಸಿ. ಪರಿಕರಗಳು ಸಿದ್ಧವಾಗಿವೆ. ಉಳಿತಾಯವು ನಿಜವಾಗಿದೆ.
ಐಚ್ಛಿಕ ಕಲಿಕಾ ಸಮುದಾಯ: GyaanSetu AI on Telegram