GPT-4O ist buchstäblich mein Lieblingsmodell, mit dem man spielen kann. Es unterstützt quick alles, was ich täglich mache. Während die KI -Welt immer noch über ihre Mächtigen summte Bildgenerierung Fähigkeiten, Openai, beschloss, es noch besser zu machen. Haben Sie von dem aktualisierten GPT-4O-Modell gehört und wie es GPT-4,5 auf dem übertrifft Chatbot Enviornment Rangliste? Wenn Sie verwirrt sind und sich fragen, wie es seinen Vorgänger zu niedrigeren Kosten übertrifft, ist dieser Artikel genau das Richtige für Sie. Lassen Sie uns die wichtigsten Updates aufschlüsseln und sehen, wie es sich stapelt GPT-4.5.

Was bietet aktualisiertes GPT-4O-Modell?

Dieses Replace verbessert die Leistung des Modells und macht es intuitiver, kreativer und kollaborativer. Zu den wichtigsten Verbesserungen gehören:

• Bessere Anweisung folgt: Es folgt den Benutzeranweisungen genauer.
• Verbesserte Codierung: Es behandelt die Codierungsaufgaben reibungsloser.
• Natürliche Kommunikation: Die Antworten sind klarer, prägnanter und weniger überfüllt (z. B. weniger Markdown -Ranges und Emojis), was das Lesen und fokussierter erleichtert.

Dieser aktualisierte GPT-4O ist jetzt in verfügbar Chatgpt und über die Openai API.

Aktualisierte GPT-4O-Leistung

1. Gesamtranking:
   • GPT-4O (#2) Jetzt übertroffen GPT-4,5 (#2–3) In den meisten Kategorien binden Sie mit Gemini 2.5 Professional in harten Eingabeaufforderungen und Codierung.
   • Sowohl Path Gemini-2,5-PRO (Rang 1 insgesamt), übertreffen andere Modelle wie GROK-3.
2. Hauptverbesserungen in GPT-4O (gegen Jan 2025 Model):
   • Harte Aufforderungen: Sprang von #7 → #1
   • Mathe: Verbessert sich aus #14 → #2
   • Codierung: Rose von #5 → #1 (Bindung mit Gemini/GPT-4.5)
   • Anweisung folgt: #5 → #2
3. GPT-4O gegen GPT-4.5:
   • Gleiche in harten Eingabeaufforderungen, Codierung und Multi-Flip (beide Rang Nr. 1).
   • GPT-4O führt in Mathematik ( #2 gegen Nr. 1 für GPT-4.5) und Kreatives Schreiben ( #2 gegen #2).
   • GPT-4,5 etwas besser in längeren Abfragen ( #2 gegen Nr. 1 für GPT-4O).
4. Kosteneffizienz:
   • GPT-4O erzielt eine vergleichbare (oder bessere) Leistung mit GPT-4,5 mit 10-fachen niedrigeren Kosten gemäß den Ansprüchen von OpenAI.

Probieren wir es aus

Angesichts der Ansprüche, dass GPT-4O besser als GPT 4.5 ist, versuchen wir beide in der gleichen Eingabeaufforderung und bewerten deren Leistung:

Aufgabe 1: Codierung

Immediate: “Erstellen Sie ein HTML5-Spiel, bei dem Eier senkrecht aus zufälligen Positionen oben auf dem Bildschirm fallen, beginnend in Intervallen von 1 Sekunden und allmählich beschleunigen. Der Spieler kontrolliert einen Fänger (Cursor-basiert), um Eier zu sammeln. Jeder erfolgreiche Fang fügt der Echtzeit -Anzeigetafel +5 Punkte hinzu, während verpasste Eier -2 Punkte abziehen. Das Spiel endet sofort, wenn 3 Eier übersehen werden, und löst ein „Spiel über“ Bildschirm mit dem Endergebnis aus. Implementieren Sie dies mit reinem HTML/CSS/JavaScript mit reaktionsschnellem Design.“

Ausgabe:

Beobachtung:

Während beide Modelle ähnliche Spielimplementierungen generierten, zeigte GPT-4O überlegene Aufmerksamkeit auf das visuelle Design. Speziell:

• Gpt-4o verwendete ein intestine optimiertes Farbschema, um eine klare Sichtbarkeit von Eier vor dem Hintergrund zu gewährleisten.
• GPT-4.5Während funktionaler, erzeugten die Eier einen geringeren Kontrast zwischen den Elementen.

Urteil:

GPT-4,5 | Aktualisiert GPT-4O

Aufgabe 2: Kreatives Schreiben + Anweisung folgt

Immediate: “Schreiben Sie ein ergreifendes 10-Zeilen-Gedicht, das die Kluft zwischen denen, die glauben, dass „Kunst nur den Menschen gehört“, und denen, die „demokratisierte Kreativität durch KI“ feiern, ein ergreifendes 10-Zeilen-Gedicht, das die Kluft zwischen denen, die glauben, ein ergreifendes 10-Zeilen-Gedicht fangen, ein ergreifendes 10-Zeilen-Gedicht erfassen. Gewebe in Emotionen von Widerstand, Staunen und der Spannung zwischen Custom und technologischer Möglichkeit.“

Beobachtung:

Während das Gedicht von GPT-4.5 beide Perspektiven gleichmäßig darstellt und mit Harmonie endet, schafft die Model von GPT-4o stärkere emotionale Kontraste, endet aber abrupt. Wenn Sie Saldo und Auflösung schätzen, funktioniert 4,5 besser. Wenn Sie jedoch Intensität gegenüber dem Verschluss bevorzugen, ist 4O stark.

Urteil:

GPT-4,5 | Aktualisiert GPT-4O

Aufgabe 3: logische Argumentation

Aktualisierte GPT 4O -Antwort:

-- Reality Desk: A = false, B = true is the one legitimate state of affairs.
-- Proof:
-- 1. Bob says: ¬A
-- 2. If B is a knight → ¬A is true → A is fake
-- 3. Alice says: B → ¬A
-- 4. If Alice is a knave, her assertion is fake → B ∧ A
-- 5. Contradiction except A = false, B = true ✅
SELECT identify, 
       CASE WHEN identify="Alice" THEN 'knave' 
            WHEN identify="Bob" THEN 'knight' END AS identification
FROM islanders WHERE identify IN ('Alice', 'Bob');

GPT 4.5 Antwort:

SELECT identify, sort FROM islanders
WHERE (identify="Alice" AND sort="Knight")
   OR (identify="Bob" AND sort="Knave");

Beobachtung:

• Korrekter logischer Abzug
  • Beide Modelle identifizieren sich korrekt Alice als Schurke Und Bob als Ritter.
  • Aber Der Beweis von GPT-4.5 widerspricht seiner eigenen Schlussfolgerung (behauptet, Alice ist ein Ritter in Schritt 5 trotz früherer korrekter Schritte).
• Beweis Klarheit
  • Der Beweis von GPT-4o ist makellos und prägnant (5 Zeilen, keine Widersprüche).
  • Der Beweis von GPT-4.5 endet mit einem inkonsistente Schlussfolgerung (A = True widerspricht seiner Wahrheitstabelle).
• SQL -Implementierung
  • Die Anfrage von GPT-4o ist Reiniger (Verwendet CASE für direkte Zuordnung).
  • Die Abfrage von GPT-4.5 funktioniert aber, ist aber weniger elegant (Hardcodes -Werte).
• Wahrheitstabelle
  • Gpt-4o überspringt ungültige Fälle (konzentriert sich nur auf das gültige Szenario).
  • GPT-4.5 listet jedoch alle Fälle auf MIRSPLEIDE ALICes Erklärung Gültigkeit (Zeile 2 sollte Alice’s STMT als zeigen FALSCH für Konsistenz).

Urteil:

GPT-4,5 | Aktualisiert GPT-4O

Lesen Sie auch:

Endnote

GPT-4O ist nicht nur ein Improve-es ist der neue Normal. In Bezug auf Codierung, kreative Aufgaben und logisches Denken übertrifft es GPT-4,5 mit schärferen Präzision, klareren Antworten und 10-fachen niedrigeren Kosten. Egal, ob Sie Entwickler, Schriftsteller oder Problemlöser sind, GPT-4O liefert schnellere, intelligentere und zuverlässigere Ergebnisse.

Hast du es ausprobiert? Was denkst du darüber? Lassen Sie mich im Kommentarbereich unten wissen.

Bleib dran Analytics Vidhya Weblog Für mehr solche Inhalte!

In einem Jahr, das von OpenAIs bemerkenswerten Veröffentlichungen wie z GPT-4o, SoraUnd o1hat sich die Open-Supply-Group mit ihren eigenen beeindruckenden Modellen stetig weiterentwickelt. Unter ihnen ist DeepSeek V3ein Open-Supply-Modell, das mit einem Funds von nur 5,5 Millionen US-Greenback entwickelt wurde – deutlich niedriger als die Schulungskosten von GPT-4o (über 100 Millionen US-Greenback). Mit 685 Milliarden Parametern und einer Combination-of-Specialists (MoE)-Architektur konkurriert DeepSeek V3 stark in Bereichen wie Codierung und Übersetzung und bietet gleichzeitig Kosteneffizienz und Open-Supply-Flexibilität. Lassen Sie uns untersuchen, wie DeepSeek V3 im Vergleich zu GPT-4o abschneidet und welche Vorteile es für die KI-Entwicklung bietet.

Aufgabe 1: Erstellen Sie ein Flussdiagramm

Immediate: Erstellen Sie ein umfassendes Flussdiagramm, das das Reflexionsmuster in Agentic AI veranschaulicht.
Dies sind die Schritte, die zum Reflexionsmuster gehören –

Generieren Sie die Erstausgabe
Selbstüberprüfung/Kritik der Ausgabe
Identifizieren Sie Fehler, Lücken oder Verbesserungsbereiche
Verbesserungsvorschläge entwickeln
Überarbeiten/verfeinern Sie die Ausgabe
Wiederholen Sie die Schritte 2–5, bis ein zufriedenstellendes Ergebnis erzielt wird
Erstellen Sie jetzt ein neues Flussdiagramm

DeepSeek V3-Ausgabe:

+---------------------+
| Generate Preliminary Output |
+---------------------+
|
v
+---------------------+
| Self-Evaluation/Critique the Output |
+---------------------+
|
v
+---------------------+
| Establish Errors, Gaps, or Enchancment Areas |
+---------------------+
|
v
+---------------------+
| Develop Enchancment Solutions |
+---------------------+
|
v
+---------------------+
| Revise/Refine the Output |
+---------------------+
|
v
+---------------------+
| Is the Outcome Passable? |
+---------------------+
|
+--------+--------+
|                 |
v                 v
Sure                No
|                 |
v                 v
+---------------------+
| Remaining Output        |
+---------------------+
|
v
+---------------------+
| Finish                 |
+---------------------+

GPT 4o-Ausgabe:

Beobachtung:

Das von V3 bereitgestellte Flussdiagramm ist effektiver als das von GPT-4o, da es die zu ergreifenden Maßnahmen klar umreißt, je nachdem, ob das Ergebnis zufriedenstellend ist oder nicht.

Urteil:

DeepSeek V3 | GPT 4o

Aufgabe 2: Zebra-Puzzle

Die erste Aufgabe für diesen GPT 4o vs. DeepSeek V3-Leitfaden ist ein Zebra-Puzzle Webseite.

Immediate: Lösen Sie dieses Zebra-Rätsel und geben Sie mir eine Tabelle mit dem Endergebnis.

DeepSeek V3-Ausgabe:

Diese Antwort auf die Web site stellen:

GPT 4o-Ausgabe:

Diese Lösung auf die Web site stellen:

Beobachtung:

Während beide Modelle den Elementen, für die keine Informationen verfügbar waren, zufällige Namen zuwiesen, löste V3 das Drawback korrekt, während GPT-4o dies nicht schaffte.

Urteil:

DeepSeek V3 | GPT 4o

Aufgabe 5: Physikalisches Schaltungsproblem

Immediate: Abbildung zeigt einen Teil einer Schaltung. Es besteht aus Widerständen, die sowohl in Parallel- als auch in Reihenschaltung kombiniert sind. Finden Sie den äquivalenten Widerstand.

DeepSeek V3-Ausgabe:

GPT 4o-Antwort:

Beobachtung:

Beim Vergleich der Lösungen von DeepSeek V3 und GPT-4 für das gegebene Widerstandsnetzwerk ist die Berechnung von GPT-4 von 1,29 Ω korrekt, während das Ergebnis von DeepSeek V3 von 3,59 Ω falsch ist. GPT-4 hat die Struktur der Schaltung mit drei parallelen Zweigen richtig identifiziert: (R1+R2=3Ω), R3=3Ω und (R4+R5=9Ω) und dann die Parallelwiderstandsformel (1/Rt = 1/3 +) genau angewendet 1/3 + 1/9 = 7/9), um zum Endergebnis zu gelangen. DeepSeek V3 machte schwerwiegende Fehler, indem es Widerstände falsch gruppierte und Reihen- und Parallelkombinationen falsch identifizierte, was zu einer ungenauen Endberechnung führte.

Urteil:

DeepSeek V3 | GPT 4o

Aufgabe 4: Artikelzusammenfassung

Immediate: Lesen Sie den Artikel unter https://www.analyticsvidhya.com/weblog/2024/07/building-agentic-rag-systems-with-langgraph/ den Prozess der Erstellung einer Vektordatenbank für Wikipedia-Daten verstehen. Geben Sie dann eine kurze Zusammenfassung der wichtigsten Schritte.

DeepSeek V3-Ausgabe:

GPT 4o-Ausgabe:

Beobachtung:

Die Erklärung von DeepSeek V3 ist ausführlicher und technisch präziser und umfasst Vorverarbeitung, Indizierung und LangGraph-Integration sowie spezifische Toolempfehlungen wie FAISS und Pinecone. Die Antwort von GPT-4 ist zwar klar und intestine strukturiert, lässt jedoch kritische technische Elemente weg und vereinfacht komplexe Prozesse. Die umfassende Abdeckung und technische Tiefe von DeepSeek V3 machen es wertvoller für die praktische Implementierung, obwohl GPT-4 sich dadurch auszeichnet, dass es Informationen in einem zugänglichen Format präsentiert.

Urteil:

DeepSeek V3 | GPT 4o

Aufgabe 5: Unterschiede finden

Immediate: Das Bild ist in zwei nahezu identische Teile geteilt. Allerdings sind im linken Bild drei Elemente vorhanden, die im rechten Bild fehlen. Ihre Aufgabe besteht darin, diese fehlenden Elemente zu identifizieren.

DeepSeek V3-Ausgabe:

GPT 4o-Ausgabe:

Beobachtung:

V3 konnte das Bild nicht direkt analysieren und lieferte eine allgemeine Antwort. GPT-4 identifizierte einen richtigen Unterschied, aber die übrigen vorgeschlagenen Unterschiede waren falsch.

Urteil:

DeepSeek V3 | GPT 4o

GPT 4o vs. DeepSeek V3: Endgültiges Ergebnis

Aufgabe	Gewinner
Flussdiagramm	DeepSeek V3
Zebra-Puzzle	DeepSeek V3
Physikalisches Schaltungsproblem	GPT 4o
Artikelzusammenfassung	DeepSeek V3
Unterschiede finden	Weder

Lesen Sie auch:

Schlussbemerkung

DeepSeek V3 beweist, dass Open-Supply-Modelle mit kommerziellen Modellen wie GPT-4o konkurrieren oder diese sogar übertreffen können, während die Schulungskosten deutlich geringer sind (5,5 Millionen US-Greenback gegenüber 100 Millionen US-Greenback und mehr). Seine starke Leistung und kostenlose Zugänglichkeit machen es zu einer ausgezeichneten Wahl sowohl für Entwickler als auch für Organisationen, die leistungsstarke KI-Funktionen ohne kommerzielle Einschränkungen suchen.

Ich freue mich wirklich darauf, DeepSeek V3 zu verwenden und den gesamten Funktionsumfang zu erkunden. Was ist mit dir? Teilen Sie Ihre Gedanken in den Kommentaren unten mit!

Es ist Dezember – die Welt wird langsamer und in manchen Ecken fällt Schnee. Aber OpenAI? Sie fangen gerade erst an. In wahrhaft festlicher Stimmung starten Sam Altman und sein Workforce eine 12-tägige Geschenktour, und das erste ist eine große Sache: OpenAI o1 – ihr bisher leistungsfähigstes Modell. Monatelang conflict GPT-4 die erste Wahl für LLM für alles, aber jetzt ist o1 da, um die Dinge aufzumischen. Was bringt es auf den Tisch? In diesem Weblog werden wir OpenAIs o1 und GPT-4o für ein paar Aufgaben gegeneinander antreten lassen und sehen, welches Modell als Sieger hervorgeht. Fangen wir an.

OpenAI o1 – Was ist neu?

Das neueste o1-Modell von OpenAI ist eine verfeinerte Model seines o1-Preview-Modells, das im September 2024 veröffentlicht wurde. Es wurde entwickelt, um komplexere Aufgaben mit größerer Präzision und Geschwindigkeit zu bewältigen.

• Im Vergleich zu seinem Vorgänger o1-preview zeigt o1 eine bemerkenswerte Fähigkeit, bei einfacheren Problemen prägnanter zu denken. Die Denkzeit ist proportional zum Schwierigkeitsgrad der Anfrage.
• Laut OpenAI übertrifft o1 seinen Vorgänger o1-Preview deutlich beim mathematischen Denken und bei codierungsbezogenen Aufgaben.
• o1 verfügt über multimodale Funktionen, was bedeutet, dass es mit Textual content, Bildern und Audio arbeiten kann, während die Vorschau von o1 nur auf Textual content beschränkt conflict.

Erfahren Sie mehr: OpenAI o1 ist da: Das fortschrittlichste Modell steht zur VERWENDUNG zur Verfügung!

Wie greife ich auf o1 zu?

o1 ist in ChatGPT Plus und verfügbar ChatGPT Professional planen. Es ist im kostenlosen Plan nicht verfügbar. Während der ChatGPT Professional-Plan unbegrenzte Chats mit o1 erlaubt, erlaubt der Plus-Plan nur eine begrenzte Anzahl von Chats mit o1. So greifen Sie auf o1 zu:

• Gehen Sie zu ChatGPT und melden Sie sich bei Ihrem Professional/Plus-Konto an.
• Oben auf der linken Seite des Bildschirms können Sie unter der Modellauswahl das Modell auswählen, mit dem Sie arbeiten möchten.

o1 vs. GPT-4o: Der Showdown

Auch wenn die o1-Vorschau in den letzten Monaten für Aufsehen gesorgt hat, hat sich GPT-4o als erste Wahl sowohl für technische als auch für nicht-technische Benutzer von ChatGPT behauptet. GPT-4o wurde im Mai 2024 auf den Markt gebracht und ist ein raffiniertes multimodales Modell, das für seine Präzision, Geschwindigkeit und Vielseitigkeit bekannt ist.

Es verarbeitet Textual content, Bilder und Audio nahtlos mit menschenähnlichen Reaktionszeiten und modernster Genauigkeit. Es zeichnet sich durch komplexe Argumentation und differenziertes Verständnis aus und beeindruckt durch seine beeindruckende Qualität 88,7 % Punktzahl auf MMLU-Benchmarks und setzt damit einen hohen Commonplace für multimodale KI.

Jetzt sticht o1 mit seinen außergewöhnlichen Leistungen in den Bereichen Mathematik, Codierung und komplexe Problemlösung ins Rampenlicht. Es ist ein kühner Anspruch an die Spitze, aber übertrifft o1 tatsächlich GPT-4o als ultimatives Modell?

Um das herauszufinden, stellen wir beides mit fünf herausfordernden Aufgaben auf die Probe. Hier sind die 5 Aufgaben:

1. Das Downside verstehen und ein Flussdiagramm entwerfen
2. Bildanalyse mit Wissenschaft
3. Bildanalyse mit Mathematik
4. Lösen Sie ein Sudoku-Rätsel
5. Bilderzeugung

Mal sehen, welcher LLM als unangefochtener Champion hervorgeht!

Herausforderung 1: Verstehen Sie das Downside und entwerfen Sie ein Flussdiagramm

Immediate: „Ich benötige ein einfaches Flussdiagramm und eine detaillierte Erläuterung der Instruments und Technologien, die zur Implementierung eines Stimmungsanalysesystems erforderlich sind.

Das System sollte über eine Nachrichten-API aktienbezogene Nachrichten abrufen, die Stimmung analysieren (positiv, negativ oder impartial) und den Kunden eine 140-stellige Zusammenfassung und die Stimmung liefern.“

Ergebnis:

Mit GPT-4o erhielten wir eine konzeptionelle Beschreibung des Flussdiagramms zusammen mit einem vagen Bild, das ein Flussdiagramm darstellt. Obwohl die Textbeschreibung die Schritte präzise und genau darstellt, ist das Diagramm voller Rechtschreibfehler und einem verwirrenden Ablauf der Ereignisse.

Mit o1 haben wir ein einfaches, aber sauberes Flussdiagramm ohne Rechtschreibfehler erhalten. Dann haben wir in der Textbeschreibung die Particulars zu jedem Teil des Flussdiagramms erhalten – intestine erklärt. Wir haben einige zusätzliche Informationen zu anderen Instruments und Technologien erhalten, die wir für diese Aufgabe verwenden könnten. Abschließend erhielten wir eine prägnante Zusammenfassung, in der jeder Schritt kurz erklärt wird – eine umfassende Finish-to-Finish-Antwort!

Urteil: Für diese Aufgabe schlug o1 den Ball direkt aus dem Park.

Herausforderung 2: Bildanalyse mit Wissenschaft

Immediate: „Berechnen Sie die Ausgabe dieses Schaltplans.“

(Referenz)

Ergebnis:

GPT-4o identifiziert den Schaltplan korrekt und identifiziert einige Komponenten des Bildes korrekt, einschließlich der Eingangs- und Ausgangsspannung. Allerdings ist es nicht möglich, die Grafik im Bild zu lesen, um Erkenntnisse über die Spannungswerte zu gewinnen. Vielmehr fordert es uns in seiner Antwort auf, diese Werte zur weiteren Berechnung einzugeben.

o1, die Analyse des Bildes dauert einige Sekunden. Es identifiziert alle Komponenten korrekt und liest auch die Werte für jede Komponente aus dem Bild. Das Modell beschreibt den innerhalb der Schaltung ausgeführten Vorgang. Anschließend berechnet es die wichtigsten Parameter der Schaltung, berücksichtigt auch kleine Lastfaktoren und meldet diese. Eine Meisterleistung von o1! Es verstand nicht nur die Aufgabe, sondern las auch alle Werte aus den Diagrammen im Bild, um die Ausgabewerte zu berechnen – korrekt und prägnant!

Urteil: Offensichtlich ist o1 ein Meister der Physik!

Herausforderung 3: Bildanalyse mit Mathematik

Immediate: „Wie hoch ist die Siegwahrscheinlichkeit für jedes Workforce in diesem Spiel?“

Ergebnis:

Generiert von GPT-4o

Erstellt von o1

GPT-4o hat das Spiel zwar richtig verstanden, aber das gespielte Format konnte es nicht richtig verstehen. Andere Particulars im Bild wurden korrekt gelesen, z. B. der Spielstand und die vom Bowler geschossenen Pforten. Dennoch conflict die Analyse insgesamt nicht detailliert und sie gab uns keine Auskunft über die Siegwahrscheinlichkeit eines Groups.

o1, ich habe die Aufgabe verstanden und die Analyse des Bildes hat hervorragende Arbeit geleistet. Von der korrekten Identifizierung des Spiels und des Codecs bis hin zu Particulars zur Mannschaft, die aufstellt, und auch zur Teepause. Schließlich leistet es fantastische Arbeit bei der Berechnung der Siegwahrscheinlichkeit für jedes Workforce und liefert gute Gründe, die seine Antwort stützen.

Urteil: o1 macht den Job und macht es intestine!

Herausforderung 4: Lösen Sie ein Sudoku-Rätsel

Immediate: „Lösen Sie das folgende Sudoku und geben Sie die endgültige Lösung als Bild an.“

Ergebnis:

Erstellt von o1

GPT-4o generiert die Antwort sofort als Matplotlib-Diagramm. Die Antwort conflict schnell, aber falsch.

o1 hingegen braucht einige Zeit, um über die Lösung nachzudenken. Es setzt sorgfältig Punkte an die Stellen der Leerstellen und versucht dann mehrere Iterationen, erklärt die Platzierungen und identifiziert dann auch den Fehler in jeder seiner Lösungen, aber am Ende ist das Endergebnis, das es generiert, immer noch nicht die richtige Lösung. Die Antwort conflict verspätet, intestine durchdacht und dennoch falsch!

Urteil: Für diese Aufgabe lieferten sowohl GPT-4o als auch o1 nicht die richtige Lösung, nämlich:

Herausforderung 5: Bildgenerierung

Immediate: „Erstellen Sie ein Bild von einem Hund, der nahe der Küste rennt.“

Ergebnis:

GPT-4o erzeugt schnell das Bild eines glücklichen Hundes, der am Meeresufer herumspringt. Erledigung der von uns gewünschten Aufgabe schnell und effizient. Oh und was für ein süßer Hund!

o1 kann derzeit keine Bilder generieren. Daher erhalten wir lediglich eine detaillierte Eingabeaufforderung, mit der wir mithilfe eines KI-Bildgenerators ein Bild erstellen können. Scheint noch nicht mit DALL.E verknüpft zu sein!

Urteil: Bei dieser Herausforderung ist GPT-4o ungeschlagen.

Abschluss

o1 übertrifft GPT-4o zweifellos in den meisten Fällen. Mit seinen verbesserten Argumentations- und logischen Denkfähigkeiten ist es hervorragend darin, komplexe Fragen zu verstehen und relevantere, präzisere Antworten zu generieren. Es ist schneller als die o1-Vorschauversion und in seinen Antworten deutlich prägnanter.

Aber ist es perfekt? Ist es AGI? Sicherlich nicht. Wie jedes Modell hat auch o1 seine Grenzen. Es kann zu falschen Antworten führen und möglicherweise mehrere Iterationen erfordern, um zum gewünschten Ergebnis zu gelangen.

Dennoch ist o1 ein bemerkenswertes Werkzeug für Forscher, Wissenschaftler, Designer und sogar Studenten. Seine außergewöhnlichen Fähigkeiten zur Problemlösung, seine große Liebe zum Element und seine erweiterten Sprachfunktionen machen es zu einer leistungsstarken Ressource. Ob es darum geht, komplexe Aufgaben zu bewältigen oder kreative Arbeitsabläufe zu unterstützen, o1 birgt ein enormes Potenzial zur Steigerung von Produktivität und Innovation.

Häufig gestellte Fragen

Bild vom Autor

Wenn Sie Ihren Workflow verbessern, die Entwicklung beschleunigen und Fehler minimieren möchten, ist das GPT-4o-Modell Ihr KI-Software der Wahl. Durch die Integration dieser fortschrittlichen KI in Ihre Python-Projekte können Sie Ihren Prozess optimieren, Probleme schneller lösen und sich auf das Wesentliche konzentrieren. Auch wenn Sie neu im Programmieren sind, können Sie Python-Projekte mit Instruments wie ChatGPT, VSCode mit GPTCode-Erweiterung und Cursor IDE erstellen. Diese Instruments sind unerlässlich, um das volle Potenzial des GPT-4o-Modells in der Entwicklungsumgebung auszuschöpfen.

1. ChatGPT

Wir alle kennen ChatGPT und seine Fähigkeit, Python-Code zu generieren. Im neuesten Replace von OpenAI wurde das neue GPT-4o-Modell für alle kostenlos zur Verfügung gestellt. Ich verwende ChatGPT zur Codegenerierung, zur Fehlerbehebung und zum Brainstorming. Es versteht wirklich die Ziele, die wir mit unseren Anwendungen erreichen wollen.

Ich habe es beispielsweise gebeten, ein Python-Beispielprojekt zu erstellen. Es lieferte den gesamten erforderlichen Code und die Anweisungen zum Erstellen, einschließlich der Projektstruktur mit Dateien und Ordnern. Sie können weitere Fragen stellen, um das Projekt zu ändern, und es sogar bitten, Skripte auszuführen, um zu testen, ob sie funktionieren.

Screenshot von ChatGPT

ChatGPT verfügt über eine Python-Umgebung, d. h. es kann Code für Sie generieren und ausführen und als Ergebnis die Ausgabe anzeigen.

Screenshot von ChatGPT

Kurz gesagt, ChatGPT ist der einzige Codierungsassistent, den Sie als Anfänger benötigen. Aber wenn Sie Entwickler oder Softwareentwickler sind, brauchen Sie etwas, das in Ihren Arbeitsbereich integriert ist. Hier kommt CodeGPT ins Spiel.

2. CodeGPT

CodeGPT VSCode AI-Codierungsassistent-Erweiterung, mit der Sie Code effizienter schreiben können. Es verfügt über AI-Chat-Unterstützung, Autovervollständigung, Codeerklärung, Refactoring, Dokumentation, Unit-Exams und vieles mehr.

Mit der CodeGPT-Erweiterung können Sie auch verschiedene KI-Modelle von unterschiedlichen Anbietern ausprobieren. Sie können sogar Ihr eigenes KI-Modell lokal mit Ollama ausführen und es mit der CodeGPT-Erweiterung verwenden. Es ist eine Komplettlösung für die Softwareentwicklung.

In diesem Weblog erfahren Sie, wie Sie es einrichten, um GPT-4o damit zu verwenden. Zuerst müssen Sie einen OpenAI-API-Schlüssel generieren, indem Sie auf die OpenAI-APIInstallieren Sie anschließend die CodeGPT-Erweiterung, indem Sie im VSCode-Erweiterungsmarktplatz danach suchen. Klicken Sie anschließend auf die Registerkarte CodeGPT und wählen Sie OpenAI als Anbieter und GPT-4o als Modell. Sie werden aufgefordert, den OpenAI-API-Schlüssel einzufügen, um auf das Modell zuzugreifen.

Screenshot von VSCode

Wenn alles eingerichtet ist, können Sie mit der Verwendung von GPT-4o beginnen, um Code zu generieren, zu debuggen, zu dokumentieren und Ihre Codequelle zu verbessern.

Screenshot von VSCode

CodeGPT hat viele Einschränkungen und ist langsam, wenn es um die automatische Vervollständigung geht. Sie können ein kostenpflichtiges Abonnement erwerben, um auf bessere Modelle für die automatische Vervollständigung und KI-Agenten zuzugreifen. Dies reicht jedoch immer noch nicht aus, wenn es darum geht, KI-Instruments in die Softwareentwicklungsumgebung zu integrieren. Es handelt sich immer noch um eine Erweiterung, die vom Code-Editor abhängig ist.

3. Cursor-IDE

Der Cursor AI IDE ist ein perfektes Software für Hardcore-Programmierer, erfahrene Softwareentwickler und Datenexperten. Es handelt sich um einen Fork von VSCode, der für die KI-gestützte Softwareentwicklung entwickelt wurde. Das bedeutet, dass es nicht nur eine Erweiterung ist, sondern ein Ökosystem mit integrierten Funktionen, die Ihnen helfen, besseren Code zu schreiben.

Cursor versteht Ihren Code-Quellcode, um Ihnen bessere Code-Vorschläge zu liefern, und hilft Ihnen sogar dabei, ganze Python-Projekte von Grund auf neu zu schreiben. Ich habe meinen Workflow komplett von VSCode auf Cursor umgestellt, weil es einfach zu verwenden ist und im Vergleich zu VSCode-Erweiterungen schnelle Reaktionszeiten bietet. Und ich verpasse nichts – es ist im Grunde so, als würde ich VSCode verwenden. Ich kann weiterhin VSCode-Erweiterungen installieren, die ich liebe, und dieselbe Umgebung verwenden. Nichts hat sich geändert.

Im folgenden Beispiel habe ich GPT-4o gebeten, meinen Code zu verbessern, und es hat wirklich gute Arbeit geleistet.

Screenshot vom Cursor

Es verfügt außerdem über Inline-Chat, die Fähigkeit, Bilder und Dokumente zu verstehen, die Fähigkeit, den Code zum Bearbeiten oder Verbessern auszuwählen und die Fähigkeit, den Verlauf vorheriger Chats zu speichern, genau wie ChatGPT.

Screenshot vom Cursor

Ich empfehle Datenprofis dringend, auf Cursor umzusteigen und die zweiwöchige kostenlose Testversion zu nutzen, um die erstaunlichen Funktionen kennenzulernen. Es fühlt sich natürlich an, wenn Sie den Code schreiben oder Fragen zu GPT-4o stellen.

Abschluss

Alle Datenexperten, die ich kenne, nutzen KI in ihrem Workflow, um die Produktivität und Genauigkeit zu steigern. Bevor es KI-Assistenztools gab, brauchten sie Stunden, um Python-Anwendungen zu erstellen und zu testen. Jetzt können sie dieselben Aufgaben in wenigen Minuten erledigen. Sie müssen lediglich den Code überprüfen und ausführen.

In diesem Weblog haben wir die neuen Funktionen von ChatGPT zum Erstellen und Ausführen von Python-Code kennengelernt. Außerdem haben wir die VSCode-KI-Assistentenerweiterung CodeGPT kennengelernt, mit der Sie verschiedene KI-Modelle zum Generieren und Verbessern Ihres Python-Codes verwenden können. Schließlich haben wir Cursor IDE kennengelernt, einen Fork von VSCode, der für die KI-gestützte Softwareentwicklung entwickelt wurde. Dies sind die Instruments, die ich für meine tägliche Arbeit in den Bereichen Datenanalyse, maschinelles Lernen und sogar Webentwicklung verwende. Ich hoffe, Sie können auch davon profitieren.

Abid Ali Awan (@1abidaliawan) ist ein zertifizierter Datenwissenschaftler, der gerne Modelle für maschinelles Lernen erstellt. Derzeit konzentriert er sich auf die Erstellung von Inhalten und das Schreiben technischer Blogs zu Technologien für maschinelles Lernen und Datenwissenschaft. Abid hat einen Grasp-Abschluss in Technologiemanagement und einen Bachelor-Abschluss in Telekommunikationstechnik. Seine Imaginative and prescient ist es, mithilfe eines Graph-Neural-Networks ein KI-Produkt für Studenten zu entwickeln, die mit psychischen Erkrankungen zu kämpfen haben.

Diese Woche herrschte in der KI-Welt große Aufregung, als große Akteure wie OpenAI, Mistral AI, NVIDIA, DeepSeek und Hugging Face ihre neuesten Modelle und Innovationen enthüllten. Diese Neuerscheinungen versprechen, KI leistungsfähiger, erschwinglicher und zugänglicher zu machen. Mit Fortschritten bei Trainingstechniken werden diese Entwicklungen verschiedene Branchen verändern und den schnellen Fortschritt und die wachsenden Fähigkeiten der KI-Technologie demonstrieren.

Neue KI-Modellveröffentlichungen

GPT-4o Mini von OpenAI

OpenAI hat gestartet GPT-4o Miniein kostengünstiges und leistungsstarkes Modell, das GPT-3.5 Turbo ersetzen soll. GPT-4o Mini kostet 0,15 USD professional Million Eingabetoken und 0,60 USD professional Million Ausgabetoken und bietet verbesserte Intelligenz und ein 128-Ok-Kontextfenster, wodurch es einem breiteren Publikum zugänglich ist.

Die Veröffentlichung hat aufgrund ihres Potenzials, den Zugriff auf erweiterte KI-Funktionen zu demokratisieren, für Aufregung gesorgt, einige Benutzer haben jedoch von Einschränkungen bei der effizienten Verarbeitung großer Codeänderungen berichtet.

Mistral NeMo von Mistral AI und NVIDIA

Mistral AI präsentierte in Zusammenarbeit mit NVIDIA den Mistral NeMo-Modellein 12B-Parametermodell mit einem 128k-Token-Kontextfenster. Dieses Modell verspricht modernstes Denken, Weltwissen und Codiergenauigkeit und ist unter der Apache 2.0-Lizenz verfügbar. Mistral NeMo ist für eine breite Akzeptanz konzipiert.

Obwohl die Fähigkeiten des Modells beeindruckend sind, äußerten einige Benutzer Skepsis hinsichtlich seiner Benchmarking-Genauigkeit im Vergleich zu Modellen wie Meta Llama 8B, was zu hitzigen Debatten unter KI-Ingenieuren führte.

DeepSeek V2

DeepSeeks V2 Das Modell hat die Inferenzkosten deutlich gesenkt und einen Preiskampf unter chinesischen KI-Unternehmen ausgelöst. Die kostensenkenden Innovationen von DeepSeek V2, bekannt als Chinas „KI Pinduoduo“, könnten die globale KI-Landschaft auf den Kopf stellen.

SmolLM

SmolLMveröffentlicht von Hugging Face, bietet eine Reihe kleiner Sprachmodelle in drei Größen: 135M, 360M und 1,7B Parameter. Diese Modelle werden auf Cosmo-Corpus trainiert, das Cosmopedia v2 (28B Token synthetischer Bildungsinhalte), Python-Edu (4B Token Python-Programmierbeispiele) und FineWeb-Edu (220B Token deduplizierter Webdaten) umfasst. Die SmolLM-Modelle haben bei Benchmarks für gesunden Menschenverstand und Weltwissen beeindruckende Leistungen gezeigt und sich damit als starke Konkurrenten in ihrer Größenkategorie positioniert.

Mathstral

Mistral KIs Mathstral-Modelldas in Zusammenarbeit mit Undertaking Numina entwickelt wurde, ist auf STEM-Argumente abgestimmt und erzielt beeindruckende Ergebnisse bei MATH- und MMLU-Benchmarks. Mathstral 7B erreicht 56,6 % Go@1 bei MATH und übertrifft damit Minerva 540B um über 20 %. Das Modell ist ein Beispiel für den wachsenden Pattern spezialisierter Modelle, die für bestimmte Domänen optimiert sind und möglicherweise KI-Anwendungen in wissenschaftlichen und technischen Bereichen neu gestalten.

Codestral Mamba

Codestral Mambaein neues Modell von Mistral AI, bietet lineare Zeitinferenz und die Fähigkeit, unendlich lange Sequenzen zu verarbeiten. Es wurde gemeinsam von Albert Gu und Tri Dao entwickelt. Das Modell soll die Codierungsproduktivität steigern, vorhandene, auf SOTA-Transformatoren basierende Modelle übertreffen und gleichzeitig schnelle Antworten unabhängig von der Eingabelänge bieten. Die Veröffentlichung hat aufgrund ihrer möglichen Auswirkungen auf LLM-Architekturen für Aufregung gesorgt, wobei einige anmerken, dass sie in gängigen Frameworks wie llama.cpp noch nicht unterstützt wird.

H2O Donau3

H2O Donau3 stellt ein bahnbrechendes Framework für die Differenzierung von Textfeedback innerhalb neuronaler Netzwerke vor und eröffnet neue Möglichkeiten zur Optimierung zusammengesetzter KI-Systeme über herkömmliche Methoden hinaus. Das revolutionary STORM-System zeigt eine 25-prozentige Verbesserung der Artikelorganisation durch Simulation unterschiedlicher Perspektiven und ermöglicht es LLMs, fundierte und strukturierte Langforminhalte zu generieren, die Wikipedia-Einträgen ähneln. Forscher begrüßen TextGrad als Paradigmenwechsel in der KI, der die Orchestrierung mehrerer großer Sprachmodelle (LLMs) für eine verbesserte Leistung ermöglicht.

Fortschritte bei KI-Coaching und -Techniken

AgentInstruct von Microsoft Analysis

AgentInstruct, das neueste Produkt der Orca-Reihe von Microsoft, konzentriert sich auf generatives Lehren mit agentenbasierten Abläufen. Diese Technik verwendet mehrere Agenten, um Rohdokumente in verschiedene Anweisungen umzuwandeln. Das Ergebnis ist ein synthetischer Datensatz, der die Modellleistung deutlich verbessert.

EfficientQAT für LLMs

EfficientQAT, ein neuer Quantisierungsalgorithmus, ermöglicht das Coaching großer Sprachmodelle (LLMs) mit reduziertem Speicherbedarf und Trainingszeit. Diese Technik hat vielversprechende Ergebnisse gezeigt, insbesondere bei Trainingsmodellen wie Llama-2-70B.

Q-Sparse

Mit dieser Technik können vollständig spärlich aktivierte LLMs Ergebnisse erzielen, die mit dichten Baselines vergleichbar sind, jedoch eine höhere Effizienz aufweisen. Q-Sparse stellt einen erheblichen Fortschritt beim LLM-Coaching und bei der Inferenz dar, insbesondere für Umgebungen mit eingeschränkten Ressourcen.

Auswirkungen der KI auf Beschäftigung und kreative Arbeitsabläufe

Der AI Pivot von Intuit

Intuit, der Hersteller von TurboTax, kündigte einen Personalabbau von 7 % an und entließ 1.800 Mitarbeiter, um auf KI und maschinelles Lernen umzusteigen. Dieser Schritt unterstreicht den wachsenden Einfluss von KI auf die Beschäftigung, selbst bei Unternehmen, die erhebliche Umsatzzuwächse verzeichnen.

ComfyUI GLSL-Knoten

Die Einführung des OpenGL Shading Language (GLSL)-Knotens für ComfyUI ermöglicht es Benutzern, benutzerdefinierte Shader zu erstellen und diese innerhalb des ComfyUI-Workflows auf Bilder anzuwenden. Diese Funktion verbessert die Echtzeit-Bildbearbeitung mithilfe GPU-beschleunigter Vorgänge und eröffnet neue Möglichkeiten für erweiterte visuelle Effekte und benutzerdefinierte Bildtransformationen.

KI-Forschung und Benchmarking

SciCode Benchmark

SciCode fordert LLMs dazu auf, Lösungen für wissenschaftliche Probleme aus fortgeschrittenen Arbeiten, darunter auch mit Nobelpreisen ausgezeichnete Forschung, zu codieren. Erste Assessments zeigten, dass selbst fortgeschrittene Modelle wie GPT-4 und Claude 3.5 Sonnet eine Genauigkeit von weniger als 5 % erreichten, was die Schwierigkeit des Benchmarks und die Notwendigkeit strengerer, domänenspezifischer Assessments unterstreicht.

InFoBench

Der Benchmark für die Unterrichtsbefolgung (InFoBench) wurde eingeführt, um die Fähigkeit von LLMs zu bewerten, Anweisungen zu befolgen. Dieser Benchmark hat Debatten über seine Relevanz im Vergleich zu Customary-Alignment-Datensätzen und sein Potenzial ausgelöst, wertvolle LLM-Qualitäten über hohe Korrelationen mit MMLU hinaus hervorzuheben.

Unser Kommentar

Die KI-Innovationen dieser Woche haben das Potenzial, in verschiedenen Sektoren erhebliche Auswirkungen zu haben, von der besseren Zugänglichkeit fortschrittlicher KI-Funktionen bis hin zur Kostensenkung und Effizienzsteigerung. Die Einführung von Modellen wie GPT-4o Mini und Mistral NeMo könnte die KI-Technologie demokratisieren und sie einem breiteren Publikum zugänglich machen, während spezialisierte Modelle wie Mathstral und SmolLM die Produktivität und Leistung in bestimmten Bereichen steigern können.

Darüber hinaus versprechen neue Trainingstechniken und Instruments wie EfficientQAT und Q-Sparse eine Optimierung der Entwicklung und Bereitstellung von KI-Systemen, selbst in ressourcenbeschränkten Umgebungen. Da wir weiterhin rasante Fortschritte erleben, werden diese Innovationen zweifellos die Zukunft der Technologie und ihre Integration in den Alltag prägen.

Folge uns auf Google Nachrichten für das Replace der nächsten Woche, da wir weiterhin die neuesten Entwicklungen in der KI-Landschaft verfolgen.

Mit ChatGPT erstelltes Bild

GPT-4o ist ein neues und erstklassiges KI-Modell von OpenAI. Es ist ein multimodales KI-Modell, d. h. es integriert Textual content, Audio und Bild in einem einzigen Modell, bietet schnellere Reaktionszeiten, verbessertes Denken und eine bessere Leistung in anderen Sprachen als Englisch. Im Vergleich zu GPT-4 Turbo ist es 50 % günstiger und doppelt so schnell.

In diesem Weblog erfahren wir 5 Möglichkeiten, kostenlos auf das GPT-4o-Modell zuzugreifen, die Multimod-Fähigkeit zu erleben und das Denkvermögen zu verbessern.

Notiz: Die in diesem Weblog erwähnten Plattformen bieten eingeschränkten Zugriff auf das Modell, d. h. Sie können 5-10 Anfragen professional Tag stellen. Es ist kostenlos, aber eingeschränkt.

1. Poe

Poe ist meine Lieblings-Chatbot-Anwendung. Sie bietet immer kostenlosen Zugriff auf die neuesten Modelle. Sie können sowohl auf Open-Supply- als auch auf Closed-Supply-KI-Modelle zugreifen. Poe ist bei weitem die großzügigste Plattform, wenn es darum geht, kostenlosen Zugriff auf die neuesten kostenpflichtigen KI-Modelle zu bieten.

So greifen Sie auf das GPT-4o-Modell zu:

1. Erstellen Sie einen neuen Chat.
2. Klicken Sie über dem Texteingabefeld auf die Schaltfläche „Mehr“.
3. Suchen Sie nach „GPT-4o“ und wählen Sie das Modell aus.
4. Beginnen Sie, Fragen zu stellen.

Jeden Tag können Sie mithilfe dieses Modells 10 Fragen stellen.

2. Vercel KI-Spielplatz

Vercel KI-Spielplatz ist eine weitere beliebte Plattform, die kostenlosen Zugriff auf Open-Supply- und Closed-Supply-Modelle bietet. Sie können damit auch mehrere Modelle gleichzeitig kombinieren. Es ist schnell und ermöglicht Ihnen, zwischen Modellen zu wechseln.

Das Faszinierendste an der Nutzung des Vercel AI-Spielplatzes ist, dass es keine Einschränkungen gibt. Sie können so oft wie möglich Fragen stellen, ohne das Tageskontingent zu erreichen.

Sie können das GPT-4o-Modell verwenden, indem Sie ein neues Chatfenster erstellen, oben hyperlinks auf das Modell klicken und nach unten scrollen, um es auszuwählen. So einfach ist das.

Lesen die 5 kostenlosen KI-Spielplätze, die Sie 2024 ausprobieren können Weblog, um mehr über andere KI-Spielplätze zu erfahren.

3. Sie.com

Du kommst ist eine KI-Suchmaschine, die die Leistung von KI-Modellen wie GPT-4o mit der Websuche kombiniert, um die neuesten und relevantesten Antworten bereitzustellen.

You.com bietet Zugriff auf alle leistungsstarken großen Sprachmodelle wie GPT-4-turbo, Claude 3 Opus, Gemini 1.5 Professional, Llama 3, Command R+ und mehr. Sie müssen lediglich auf die Schaltfläche „Mehr“ klicken und das Modell „GPT-4o“ auswählen.

4. ChatGPT

ChatGPT hat mit der Einführung von GPT-4o angekündigt, dass es allen Benutzern Zugriff auf das GPT-4o-Modell und erweiterte Instruments bieten wird. Als kostenloser Benutzer können Sie das GPT-4o-Modell einige Male verwenden und wechseln dann automatisch zum GPT-3.5-Turbo-Modell.

Der beste Weg, auf GPT-4o zuzugreifen, besteht darin, die Datei oder das Bild hochzuladen und Fragen dazu zu stellen. GPT-3.5 kann Bilddaten nicht verstehen, daher könnte dies ein Cheat-Code sein, um GPT-4o ständig zu verwenden.

5. LMSYS Direkt-Chat

LMSYS Direkt-Chat ist ein KI-Spielplatz, auf dem Sie alle Arten von Open- und Closed-Supply-Modellen verwenden können. Um auf ein bestimmtes Modell zuzugreifen, gehen Sie zur Registerkarte „Direktchat“, klicken Sie auf die Dropdown-Schaltfläche „Modell“ und wählen Sie das Modell „gpt-4o-2024-05-13“ aus.

Der Zugriff auf das Modell ist begrenzt und manchmal muss man die Möglichkeit haben, es zu verwenden. Aus diesem Grund belasse ich es auf Platz 5, da die Verfügbarkeit des Modells nicht vorhersehbar ist.

Abschluss

Sie können auch versuchen, OpenGPT 4o Von der Open-Supply-Neighborhood erstellte App, die ähnliche Funktionen wie das GPT-4o-Modell bietet. Sie bietet einen Chatbot, Stay-Chat mit Webcam, Voice-Chat, Bildgenerierung und Videogenerierung. Es ist eine tremendous App.

In diesem Weblog haben wir 5 einfache Möglichkeiten kennengelernt, das GPT-4o-Modell kostenlos zu verwenden. Nicht alle KI-Modelle sind für jede Aufgabe gleich genau; daher ist die Wahl eines Spitzenmodells wie GPT-4o oft die sicherste Wahl.

Abid Ali Awan (@1abidaliawan) ist ein zertifizierter Datenwissenschaftler, der gerne Modelle für maschinelles Lernen erstellt. Derzeit konzentriert er sich auf die Erstellung von Inhalten und das Schreiben technischer Blogs zu Technologien für maschinelles Lernen und Datenwissenschaft. Abid hat einen Grasp-Abschluss in Technologiemanagement und einen Bachelor-Abschluss in Telekommunikationstechnik. Seine Imaginative and prescient ist es, mithilfe eines Graph-Neural-Networks ein KI-Produkt für Studenten zu entwickeln, die mit psychischen Erkrankungen zu kämpfen haben.