@ikhwanuddin walau ada klausul nggak akan train data, tapi beberapa waktu lalu anthropic menetapkan bahwa output dari penggunaan Claude akan ada invisible watermark. Sedikit banyak akan berpengaruh.
@satyaXBT $20 untuk claude pro, $20 untuk ollama. AI Harness pakai Claude Code & Hermes, saling switch model. model yang sering dipakai beberapa minggu ini tentu Opus 4.8 dan GLM-5.2, Opus masih dipakai untuk verifikasi, smoke test, dll yg dikerjakan GLM.
@mustafasegf Mi Pad 5 (xiaomi-nabu), komunitas banyak, bisa triple boot, lenovo ideapad duet 5 chromebook (google-homestar), bukan android, tapi one of best looking chromebook ARM yang bisa diinstall mainline linux (butuh SuzyQable untuk unlock write protect).
@MiniMax_AI testing it with simple task (distilled hundreds of pdf pages) and with some coding tasks, with Claude Code v2.1.159, xhigh and max effort.
The results is good, really good, IMO better than DS4-flash/pro, and the token usage is efficient i think.
@rrrrrr2131@KapudS640 betul, dan kalau fully topicnya di biomed, saya gak yakin modelan abstrak dan poster mereka (yang kelihatan biasa saja menurut keyakinan saya) bakal menang dari researcher-researcher dari China. Tujuan mereka kemungkinan ya conf. yang ada free waiver, biar bisa keliling-keliling.
@KapudS640 berdasarkan pola tulisannya, kemungkinan abstrak conference nya jika benar keseluruhan/sebagian dibuat memakai AI, maka akan terlihat pola output AI di tahun 2023-2025, kemungkinan pre-GPT4 - GPT4, atau platform AI lain yang pakai model dari GPT.
@KapudS640 mereka lulusan matematika, kemungkinan sedikit-banyak bisa modelling-simulation, mereka bawa tuh konsep math modelling itu ke domain lain. Salah satu domain yang paling top saat AI boom, adalah BioMed. Panitia conf. nya mungkin udah takjub dulu lihat judulnya.
@NVIDIAGeForce@Hali Easy, it's Dota 2. Thousands of hours, countless late nights, zero regrets. That RTX 5080 would finally give our squad the setup we deserve 🙏🔥
@aliralira semua model AI (LLM) komersil dipasang pengaman supaya model tersebut ketika digunakan tidak memberikan jawaban yang mempunyai implikasi negatif, level security ini bisa berbeda-beda tiap model. Kata "menuntut" mungkin dalam tokenization modelnya dirasa memiliki output negatif.