Yapay Zeka Modelleri
Yapay zekâ modelleri, eğitim verilerine dayanarak tahminlerde bulunur. Sayılar, metin veya multimedya gibi her alanda çalışabilirler.
LLM Fiyatlandırması: En İyi 15+ Sağlayıcı Karşılaştırması
LLMÖzellik Karşılaştırması5 KasMart 2023'teki GPT-3.5 Turbo’dan en son sürümlere kadar 160'tan fazla LLM'nin lansman fiyatlarını boyut sınıfına göre gruplandırarak takip ediyoruz. Ayrıca mevcut model'lerin API fiyatlarını benchmark sonuçlarıyla karşılaştırıyor ve büyük sağlayıcıların abonelik planlarını inceliyoruz. Fiyatlar milyon token başınadır; üç birim girdiye karşılık bir birim çıktı olacak şekilde harmanlanmıştır ve süre sınırlı promosyonları içermez. Açık ağırlıklı model'lerin…
- LLMİçgörü5 Kas
LLM Pazar Payı: Kullanım ve Benimsemeyi Karşılaştırın
LLM pazar payını, kullanım tabanlı verilerle web ziyareti tahminlerini birleştirerek analiz ettik; böylece büyük dil modellerine yönelik talebin yapay zeka laboratuvarları ve yapay zeka uygulamaları arasında nasıl dağıldığını gösteriyoruz. Bu sonuçları nasıl ölçtüğümüzü ve hesapladığımızı görmek için metodolojiyi okuyun. ABD, dört ay boyunca web ziyaretlerinde açık ara öndeydi ve sürekli olarak 90–%95 oranını oluşturdu. Bu,…
- LLMKıyaslama5 Kas
LLM Kullanım Durumlarına Göre Gecikme Kıyaslaması
Gecikmeyi nasıl ölçtüğümüze ilişkin ayrıntıları burada bulabilirsiniz. Akıl yürüten ve yürütmeyen modelleri ayrı ayrı raporluyoruz. Akıl yürüten modeller ilk görünür yanıt öncesinde birkaç saniye düşünür; bu yüzden onları gecikme açısından doğrudan akıl yürütmeyen modellerle karşılaştırmak yanıltıcı olur. Bazı modeller göreve göre davranış da değiştirir: GPT-5.2 soru-cevapta akıl yürütmeden yanıt verir, ancak kodlama prompt'larında akıl yürütür.…
- System OneKıyaslama4 Kas
AIM-Decision: Jev vs Clef vs LLM'ler
Karar modelleri, aynı zamanda System One modelleri olarak adlandırılır, metni token üretmek yerine sabit bir seçenek kümesini puanlar. Bir güvenlik açığı veya ürün geri çağırmasını derecelendirmek gibi 1.655 sınıflandırma sorusunda 62 karar modelini test ettik ve 50 tarayıcı görevinde bunların 49 tanesini çalıştırdık. Birleştirilmiş sonuçlar için AIM System One Index'e ve karar modellerinin insanlarla…
- LLMÖzellik Karşılaştırması3 Kas
Sağlık Hizmetlerinde 9 Büyük Dil Modelini Karşılaştırın
MedQA dataset'ini kullanarak 9 LLM'i benchmark ettik; bu, USMLE sorularından türetilen lisansüstü düzeyde bir klinik sınav benchmark'ıdır. Her model, standart bir prompt kullanarak aynı çoktan seçmeli klinik senaryoları yanıtladı; bu da doğrulukların doğrudan karşılaştırılmasını sağladı. Ayrıca, toplam çalışma süresini tamamlanan MedQA öğesi sayısına bölerek soru başına gecikme süresini kaydettik. Benchmark metodolojisi: Bu benchmark, sağlık hizmetlerindeki…
- LLMKıyaslama3 Kas
Finans Alanında 90+ LLM'ler: Claude Opus 5.5 & Gemini 4 Argon
Test seti, 238 sorudan oluşan FinanceReasoning kıyaslamasının (Tang ve diğerleri) zor alt kümesidir. Doğruluk, doğru yanıtlanan soruların yüzdesidir. Sayısal yanıtlara %0,2 göreli tolerans uygulanır. Çıktı token'ları, 238 yanıt boyunca üretilen token'lardır. Girdi token'ları maliyet hesaplamasında ayrıca sayılır. Maliyet, maliyet analizimizde kaydedilen token sayıları ve ücretleri kullanılarak soru-yanıtlama çalışması için hesaplanan USD harcamadır. Bazı girdi sayıları…
- LLMKıyaslama3 Kas
AIM-Text-to-SQL Benchmark: SQL Doğruluğu 70+ LLM Genelinde
SQL doğruluğu, puanlanan sorgulardan referans sonucu döndürenlerin yüzdesidir. Yanlış rotalar ve bozuk olarak işaretlenen referanslar hariç tutulur. Referans sorgu, beklenen yanıt olarak sağlanan SQL ifadesidir. Her model, puanlama veritabanı seçimlerine bağlı olduğu için farklı bir SQL soru kümesine ulaşır. Bu alt kümelerdeki ve çalıştırma kurulumundaki farklılıklar karşılaştırmaları sınırlar. claude-opus-5.5 444/506 puanlanan soruda referans sonucu eşleştirdi.…
- LLMİçgörü2 Kas
LLM Parametreleri: Türler, Ölçekleme, İnce Ayar Rehberi
Parametre sayısı, büyük bir dil modelinin en çok alıntılanan özelliklerinden biridir; ancak bir modelin ne kadar iyi performans gösterdiğini veya çalıştırmanın ne kadara mal olduğunu belirlemez. Aşağıdaki grafik, 31 modeli LLM Endeksi puanına ve yedi benchmark'taki görev başına ortalama maliyetine göre karşılaştırır. Dört model, hiçbir başka modelin daha düşük maliyetle daha yüksek puan sunmadığı Pareto…