avatar
Alpha Batcher

フォロー中0フォロワー(X)5.03万投稿117いいね2839
avatar

Codexでは1Mのコンテキストがあると思っていたが、Astraチャットでは258kのうち172kが使用されていると表示されていた。 AstraのAPI仕様には1.05Mトークンと記載されているが、Codexはデフォルトでより小さなコンテキストウィンドウを使用する。 私の設定では、デフォルトが272,000トークンだった。 クライアントの95%使用可能ウィンドウ係数により、アプリに表示されている258kが説明できる。 ローカルモデルカタログでの最大値は872,000トークンで、これは約828kの使用可能値に対応する。 あなたの設定では異なる制限がある可能性があるため、変更前にCodexで確認することをお勧めする。 一つのトレードオフ:アクティブなコンテキストに履歴を多く保持すると、利用可能枠をより多く消費する。 上限を引き上げても、すべてのリクエストがウィンドウ全体を消費するわけではない。 ChatGPT経由でサインインしたCodexには、別途のロングコンテキスト乗数は存在しないが、より多くのトークンを処理することは依然としてカウントされる。 独自のAPIキーを使用する場合、API料金が適用される。 現在の設定でサポートされる最大ウィンドウを使用したい場合は、これをCodexに貼り付けてください: --------------------------- 「私の現在選択中のモデル、口座、クライアントがサポートする最大のCodexコンテキストウィンドウを拡張してください。 アクティブなユーザー設定を検査し、CODEX_HOMEおよび有効なプロファイルまたはプロジェクトオーバーライドを尊重してください。 選択されたモデルを特定し、現在の信頼できるモデルメタデータを使用してクライアント固有の最大値を確認してください。 デフォルトのcontext_windowとmax_context_windowを区別してください。 1Mや872000をハードコードまたは仮定しないでください。 最大値が確認できない場合、設定は変更せず、理由を説明してください。 編集するすべてのファイルをバックアップしてください。 関連のない設定、認証情報、プロバイダー、モデル、速度、推論努力、Ultra可視性、および権限ポリシーを保持してください。 シークレットを印刷しないでください。 model_context_windowを、適切な設定スコープで確認された最大値に設定してください。 ユーザー設定では、最初のセクションの前にトップレベルキーとして存在する必要があります。 重複させずに既存のキーを更新してください。 優先度の高いオーバーライドを確認し、管理ポリシーを尊重してください。 自動圧縮は有効なままにしてください。 既存の明示的な圧縮しきい値は別途報告し、新しいしきい値を勝手に作成しないでください。 モデルカタログを変更したり、制限を回避したりしないでください。 設定を検証し、意図した設定のみが変更されたことを確認してください。 アプリを再起動したり、実行中のタスクを中断したりしないでください。 バックアップ場所、正確な変更内容、および期待される使用可能ウィンドウを報告してください。 メタデータにeffective_context_window_percentが提供されている場合はそれを使用してください。 再起動と検証手順を提示してください。 保存された設定と実行中のチャットで報告された実際の制限を区別してください。」 --------------------------- アクティブなタスクが終了した後、アプリを完全に終了して再起動し、コンテキストインジケーターを確認してください。 既存のチャットが古い制限を維持している場合、新しいチャットを確認してください。

avatar

質問がある人は、今やAIPOCH Open-Scienceで本格的な研究が可能です。 @aipoch_ai がバージョン1.0.0をリリース。すべての結果のコードとデータを保持するオープンソースのAIワークベンチです。 シンプルな言葉で質問すれば、AIが単一のワークスペースで分析を実行します。 すべての結果は、その結果を生み出した入力とコードと常に紐づいており、誰でも確認または再実行できます。 ライセンスはApache 2.0で、プロジェクトはすべてあなたのマシンに保存されます。 Mac、Windows用のデスクトップアプリを提供し、Linuxも対応しています。 クラウドプロバイダーからClaudeやCodexのサブスクリプションまで、モデルを選択できます。 研究は.scienceパッケージとして共有され、他の人が開いて拡張できます。 私の好きなギャラリー事例では、NVIDIAに$10,000を投資し、Bitcoinと比較してバックテストを行い、すべてのステップを記録しています。 https://t.co/Oq1koKdlX9 BiomniBench-DA Public 50コミュニティランキングで79.05点を獲得し、1位にランクイン。 ASI-Bench B1では、AIPOCH自身の実行で79.35点を記録し、同じモデルでのCodexを上回りました。 .full .science仕様を含むプレプリント: https://t.co/2UBuP16Rie リポジトリにスターをつけて、今夜最初の質問を実行してください。 https://t.co/p6qqQQHKtJ #AI4Science #OpenScience

avatar

NVIDIAとArceeが、なぜ企業がオープンモデルに移行したのかを説明しました。 AIエンジニアワールドフェアのステージから43分後 彼らは自分自身で実行でき、常にアクセス可能なモデルを求めました。 Jevの登録は現在一時停止中であり、Kevのようなオープンコピーは既にラップトップのGPUで動作しています。 こちらをご覧いただき、その後、ご自身のGPUでオープンJevモデルを実行するための完全なガイドをご覧ください。

avatar

LangChainはJevを自らのエージェントループに組み込み、そのエージェントに割り当てた3つのタスクを示した。 デモでは、LLMがテキストにPIIが含まれているかを判断するのに約5秒かかったのに対し、Jevは即座に98%の精度で回答した。 そのため、彼らのコーディングエージェントは、タスクの難易度をJevに尋ねて、複雑なタスクにだけ強力なモデルを活用できる。 彼らのオートモードミドルウェアは、ツール呼び出しがリスクがあるかどうかをJevに確認し、実行時にブロックする。このチェックは以前は遅すぎたため、彼女が無効にしていた。 同様のモデルは、オンライン評価でエージェントの回答を評価基準と照合し、正解か、参照と一致するか、根拠があるか、ソースを引用しているかを判定する。 私のガイドは、50本の論文に対して0から3の関連性評価基準を用いて、この設定を研究資料に向け、低信頼度の呼び出し用のレビューキューを設けている。 また、フィルターが静かにアーカイブした有用な論文を確認する機能も備えている。 セッションをご覧になり、以下にあるスターターやプロンプトをご利用ください。

avatar

バイブコーディングは速すぎて、アプリを完成させても、それを説明する動画作りにまだ引っかかってしまう。 そんなときには、@videoclawappを使います。このツールは、デスクトップ用動画作成エージェントを公開開始します。すでに調査して書いた投稿から始めれば、それだけで十分な動画素材が揃っています。 このアプリは、AIエディター、動画生成機能、アバター作成機能を1つのチャットベースのアプリに統合しています。AIが複雑な制作タスクを自動化し、あなたはシンプルなリクエストで精密な編集が可能です。 午後を費やしてイントロを短くする方法を調べるよりも、それに「短くして」と頼むほうがずっといい。このやり取りこそが、動画作成をバイブコーディングのように感じさせる理由です。 アクリル絵の具、Photoshop、Canva、AI画像生成でも同じことが起きました。敷居を下げれば、より多くの人が自ら何かを作ろうと試すようになります。 Videoclawは、創業者、開発者、マーケター、そして何かを共有したいすべての人に、動画制作にその恩恵をもたらします。あなたは、制作に必要な時間やスキル、チームがなくても、話すだけで動画を作れます。 次世代のクリエイターにとって、「コンテンツエンジニア」は、まったく普通の職業タイトルになるかもしれません。 Macアプリを https://t.co/I7KYl3p1mA からダウンロードし、ChatGPTまたはClaudeと接続して、すぐにプロンプトを入力してください。今後、他のプラットフォームも順次追加予定です。 パブリックベータは無料で利用可能で、AI生成クレジット10ドル分が付与されます。最初の300人には50ドル分のクレジットが提供されます。

avatar

Replit CEOのAmjad Masad: 「我々はループを完了させ、Replit内部にReplit Agentを常時進化させるエージェントを導入しました」 このエージェントは毎晩、Replitユーザーのトレースを読み取り、発見したエラーや感情に関する問題に対してプルリクエストを自動生成します 各プルリクエストはA/Bテストとしてリリースされ、その結果に基づいてReplitは変更を正式にリリースするか、修正するかを決定します SaaStrのJason Lemkinとの46分間の対談。彼のエージェントは10Kで331人の投資家に自らメールを送信しました こちらをご覧いただき、以下のガイドから一般的なループプロンプトをコピーしてください

avatar

10代の若者が数十時間で運転を学ぶ。 これは、彼らが人生全体を通して物が落ちたり、ぶつかり合ったりするのを見てきたからこそ可能だ。 多くのロボットは、そうした経験を一切持たず、数千回の繰り返しデモから各タスクを学習する。オディセイチームはこれを「力技」と呼ぶ。 @odysseyml の Odyssey-3 は、その10代の若者のように学習する。 これは、現実世界からの膨大な量の視覚データで訓練されたワールドモデルであり、まず因果関係や人間の行動を学ぶ。 その後、特定の機械からの数時間のデータだけで、その操作を習得できる。 プレビューでは、1つのモデルがヒューマノイドを動かし、ロボットアームを制御し、車を運転し、ドローンを飛ばし、ビデオゲームをプレイし、他のAIを訓練する。 彼らはこれを「物理エージェント」と呼び、今後数週間以内に一般公開される予定だ。 このアプローチが有効であれば、その恩恵はデモを超えて広がる。 機械が危険な作業を引き継ぎ、加齢や障害によって日常的なタスクが難しくなる人々を支援できるようになるだろう。 チーム外の人が実際に手にしたとき、どのように動作するか注目している。

avatar

LangChainエンジニア: 「100,000トークンを使用している場合、キャッシュされていても、依然として100,000トークンです」 1つの小さなエージェントタスクが、毎回のリクエストで同じコンテキストを繰り返し送信し続ける理由について、50分間説明。 Manusは1回の実行ごとに約50のツールを呼び出し、そのすべての結果が次の呼び出しに一緒に持ち越されます。 キャッシュはこれらのトークンのレートを下げますが、トークン数自体は決して減らしません。 注意して観察した後、以下のガイドを読んで、1つの完了したタスクの料金を確認してください。

avatar

EvoMap AutoResearchの貢献者リストにkarpathyのアカウントを発見しました。 EvoMapのリリースで注目したのは、テストの失敗がエージェントの次の試行にどのように影響したかです。https://t.co/7qWbs9v0xx

avatar

ほとんどのステークは、追加の手順を伴うロックアップです。 Cosmos Hubでは、アンボンドに21日間の待機期間が必要です。Ethereumのバリデーター脱退キューは、多くのユーザーが一斉に退出した際、数週間にも及ぶことがあります。 Suiは24時間エポックを採用しています。今すぐステークすれば、次のエポックからリワードが開始されます。アンステークすれば、次のエポック後にSUIが流動化されます。両方向とも約1日です。 これは、主要なPoSチェーンで私が見た中で最も短い往復時間であり、小規模な保有資産の計算を大きく変えます。最小ステーク額は1 SUIです。 現在のネットワークAPRは約1.47%で、オンチェーンの状況に応じて変動します。 Suiのステークはノンカスタディアルです。あなたの鍵はウォレットにそのまま残り、委任はオンチェーンで行われ、あなたのSUIを動かせるのはあなた自身だけです。 したがって、本当に決めるべきことは、どのバリデーターにあなたのステークを委任するかです。オフラインになったり、スラッシュされたりするバリデーターは、あなたのリワードを損ないます。 @HashKeyCloudは、香港でライセンスを保有するHashKeyグループの下で40以上のチェーンでバリデーターを運用しています。5年以上の実績、99.9%の稼働率、0のスラッシュ実績です。 彼らのSui手数料は8%で、市場平均の9%よりも低いため、一般的なバリデーターと比較して、より多くのリワードを手にできます。 試してみたい場合は: 1. Suiウォレット(Slushまたは主要なウォレットのいずれか)を開く 2. Earn → Staking へ進み、バリデーターを選択 3. HashKey Cloud を検索 4. 数量を入力して確認 リワードは次のエポック後、約1日後に開始されます。 総ステーク額、稼働中のAPY、委任者数は以下で公開されています: https://t.co/Oreh2KZX0J