A OpenAI disponibilizou seus modelos de fronteira, incluindo GPT-4, e os modelos Codex no Amazon Web Services (AWS). Esta integração simplifica o acesso a ferramentas avançadas de IA para clientes AWS, permitindo a incorporação direta desses modelos em seus fluxos de trabalho existentes.
O artigo descreve como empreiteiros comerciais podem automatizar a criação de propostas usando IA, como o GPT-4 com Vision API. Ele sugere a construção de uma biblioteca de modelos para diferentes tipos de trabalho, permitindo que a IA preencha esses modelos com informações de fotos do local e notas de voz, economizando tempo.
Este artigo compara a construção versus a compra de uma recepcionista telefônica com IA, detalhando a pilha tecnológica necessária, o tempo para MVP e os desafios significativos de engenharia. Ele também oferece uma análise realista dos custos de desenvolvimento e das despesas mensais de API para uma solução personalizada.
O autor reflete sobre a rápida evolução da IA, do GPT-4 a modelos e agentes mais avançados, e o seu profundo impacto na sua produtividade profissional. Ele descreve a adaptação de implantar uma funcionalidade por semana para várias implantações diárias, destacando a produtividade como o tema central no mundo impulsionado pela IA.
A nova fase da parceria Microsoft OpenAI foca na integração de modelos avançados da OpenAI, como o GPT-4 de 1 trilhão de parâmetros, em produtos Microsoft como Azure, Dynamics e Office. Isso visa capacitar desenvolvedores a construir e implantar aplicações de IA na plataforma de nuvem.
O autor, após 12 cursos pagos de prompt engineering, falhou em uma tarefa com GPT-4, mas encontrou um curso gratuito que, em 40 minutos, ensinou mais sobre como o modelo interpreta as solicitações do que as aulas pagas. Este insight revelou a importância de entender o funcionamento interno da IA em vez de apenas saber o que escrever, criticando as metodologias de ensino superficiais.
Um desenvolvedor enfrentou um bug crítico em seu sistema de recomendações, falhando em obter ajuda útil do GPT-4 com prompts superficiais. Somente ao instruir a IA para quebrar a tarefa em passos, ele começou a receber soluções mais eficazes para o problema arquitetônico.
O artigo discute o problema do alto custo de usar modelos de IA de ponta como o GPT-4 para todas as tarefas, destacando que muito do gasto cobre trabalho que modelos mais baratos poderiam realizar. Ele argumenta que a uniformidade no uso de modelos é um desperdício, já que a "qualidade GPT-4" é geralmente necessária apenas para capacidades específicas como raciocínio confiável e chamadas de ferramentas.
O autor relata como seus custos com IA triplicaram inesperadamente ao trocar do GPT-4 para o Claude Sonnet em um projeto, motivado pela percepção de melhor desempenho deste último. Ele descobriu que a principal causa foi a diferença significativa na precificação de tokens entre os modelos e o envio de prompts mais longos ao Claude.