Verwenden Sie immer noch GPT-4? O3? GPT 4.1? Oder O1? Na ja .. nicht mehr! Alle GPT- und O-Serienmodelle, die wir bisher auf ChatGPT verwendet haben, werden durch GPT-5 ersetzt. Das neueste und intelligenteste Modell von OpenAI hat die KI -Enthusiasten mit Vorfreude auf ihre Ankunft zittern. Nach viel Vorfreude ist es hier, und nach Angaben der Menschen, die früh Zugang erhalten haben, ist der neueste GPT-5 LLM ohne Zweifel ein Recreation-Changer! Dieser Weblog bietet Ihnen alles, was Sie über GPT-5 wissen müssen. Wir werden über ihre Particulars, Architektur, Benchmarkergebnisse und die Leistung von GPT bei realen Aufgaben testen.

GPT-5, es ist Zeit, Sie besser kennenzulernen!

Was ist GPT-5?

GPT-5 ist das neueste und mächtigste, einfühlsamste und verantwortungsbewusste Modell von OpenAI. Es kann viele Dinge tun und ist tremendous schnell! Es ist jetzt das Standardmodell in allen Chatgpt -Varianten, sei es kostenlos oder bezahlt. Dieses neueste Modell ersetzt alle anderen Modelle, die in Chatgpt vorhanden sind! Sie müssen sich keine Sorgen darüber machen, welches ChatGPT -Modell für welche Aufgabe verwendet werden soll. Stattdessen kann GPT-5 selbst herausfinden, wenn eine Aufgabe mehr oder weniger Berechnung erfordert, und dann selbst entscheiden. Es ist additionally kein einzelnes Modell; Vielmehr ist es ein intelligentes „einheitliches System“ gemacht nach:

• Ein schnellerAnwesend Effizienteres Basismodell für normale und einfache Abfragen.
• Ein Argumentationsmodell namens „GPT-5-Denken“ für komplexe Probleme.
• Eine Mini -Model (GPT 5-mini) zum Umgang mit Abfragen, sobald die Nutzungsgrenzen für das Hauptmodell „GPT-5“ erfüllt sind.

Der interessante Teil? Das Modell übergeht bereits die Diagramme über verschiedene Aufgaben hinweg wie LMARena’s Ergebnisse.

Was sind die verschiedenen Versionen von GPT-5?

Der Das neueste OpenAI -Angebot gibt es in drei Versionen:

1. GPT-5: Dies ist das Basismodell, das sich basierend auf der Eingabeaufforderung zwischen normalem und hartem Denken wechseln kann.
2. GPT-5 Mini: Dies ist eine kleinere Model der Base Modell. Es ist schneller und eignet sich besser für alltägliche Aufgaben.
3. GPT-5 Professional: Dieses Modell ist für die komplexesten Abfragen ausgelegt und dient als Ersatz für O3-pro. Es dauert länger, um über eine bestimmte Aufgabe nachzudenken, und bietet die hochwertigsten Ergebnisse in verschiedenen Bereichen.

Wie funktioniert GPT-5?

Innerhalb Das LlmEs gibt jetzt einen KI-angetriebenen Router, der in Echtzeit zur Analyse Ihrer Abfrage arbeitet, und wählt auf der Grundlage der Aufgabe und Komplexität Ihrer Abfrage das beste Modell aus. Darüber hinaus, Es richtet sich auch an Abfragen wie „Denken Sie härter darüber nach“ oder „Antworten Sie dies schnell“. Wenn Sie es nennen “dumm”, Es könnte schwierig funktionieren, nicht eins zu sein! Das Beste an diesem Routing? Es wird ständig ausgebildet! Ähnlich wie Netflix erfährt über Ihre Vorlieben, Diese LLM wird aus dem Benutzerverhalten lernen, wie Die Artwork von Fragen, die sie stellen, ihre Reaktionen und Antworten und schließlich besser darin, Ihre Fragen zu leiten.

Was sind die Hauptmerkmale von GPT-5?

Einige der wichtigsten Merkmale von GPT-5 sind:

1. Multimodalität: Es ist a Multimodales Modell Dies zeichnet sich aus, wenn es darum geht, nicht-Textual content-Eingänge zu argumentieren, ob es Bilder, Diagramme, Präsentationen und mehr interpretiert.
2. Codierung: Es ist das stärkste Codierungsmodell von OpenAI to DATe. Es ist besser darin, komplexe Frontenden zu entwickeln Und Debugging großer Repos. Es kann leicht reaktionsschnelle, ästhetische und intuitive Web sites, Apps und Spiele erzeugen.
3. Schreiben: Es ist besser zu schreiben und kann überzeugende, reale und natürliche Antworten für tägliche Aufgaben wie das Schreiben von E -Mails, Berichten und mehr generieren.
4. Gesundheit: Das Modell zeigt die Beste Leistung bei Gesundheit Benchmarks. Es bietet hilfreichere und zuverlässigere Antworten und passt sich an den Kontext des Benutzers an und Wissen.
5. Agentenverbrauch: Es Excels bei der Anweisung folgt. Es hat verbesserte Agentenfunktionen. Dies bedeutet, dass das Modell eine verbesserte Leistung bei der Lösung von Aufgaben mit mehrstufigen Aufgaben mithilfe der zur Verfügung stehenden Instruments zeigt.
6. Ehrlichkeit: Es kommt mit reduzierten Halluzinationen und ehrlicheren Antworten. Es bedeutet, wenn es Aufgaben gibt, die es nicht ausführen kann, ist es wahrscheinlicher, dass es seine Einschränkungen kommuniziert.
7. Sicherheit: Diese LLM hat stärkere Leitplanken. Es ist nach „sicherer Fertigstellung“ geschult, was bedeutet, dass es Ihnen zeigt, warum es sich weigerte zu antworten Eine bestimmte Frage und würde den Benutzer leiten, der eine schwierige Frage zu Ressourcen stellt, die ihm helfen kann, die Aufgabe auszuführen, die er zur Verwendung von Sicherheitsmaßnahmen verlangt.
8. Raffiniert und subtil: Im Gegensatz zu vielen anderen AI -Chatbots ist es weniger angenehm. Es verwendet weniger Emojis in seiner Ausgabe. Es ist subtil und oft weniger kränkig im Vergleich zu anderen Modellen
9. Vibecoder: Das Modell ist viel reibungsloser bei Vibe -Codierung und ist besser in der Implementierung härterer Codes. Es‚S großartig bei der Erläuterung jedes Teils seines Code.

Wer kann auf GPT-5 zugreifen?

Jeder kann auf GPT-5 zugreifen. Aber es gibt einen UnterschiedE, die wir über verschiedene Ebenen hinweg sehen werden.

• Für Frei Benutzer, sobald sie das Restrict für GPT-5 erreicht haben, wechseln sie automatisch zu GPT-5 Mini, was, obwohl es es ist klein, aber ähnlich wie O3.
• PlusBenutzer erhalten höhere Nutzungsgrenzen für GPT-5 professional Tag.
• Professional Benutzer erhalten sowohl unbegrenzten Zugriff auf GPT-5 als auch Zugang zu GPT-5-PRO, Dies hält die schwierigsten Probleme, um umfassende Ergebnisse zu erzielen.

Wie kann ich GPT-5 zugreifen?

Zugreifen Es THrough Chat:

Geben Sie Ihre Eingabeaufforderung in das Textfeld ein, um loszulegen.

Zugreifen Es TH.Gehen die API:

• Gehen Sie zu https://platform.openai.com/signup.
• Melden Sie sich an oder melden Sie sich mit Ihren vorhandenen OpenAI -Anmeldeinformationen an.
• Generieren Sie eine API -Schlüssel.
• Einmal erzeugenD, kopieren Sie den Schlüssel und speichern Sie ihn sicher.
• Installieren Sie den OpenAI Python SDK mit:

!pip set up openai

• Initialisieren Sie den OpenAI -Consumer mit:

import os

os.environ("OPENAI_API_KEY") = "Enter_api_key"

• Sobald Sie fertig sind, können Sie die API -Style verwenden

from openai import OpenAI

consumer = OpenAI()

response = consumer.responses.create(

    mannequin="gpt-5",

    enter="Write a brief bedtime story a couple of unicorn."

)

print(response.output_text)

In der API finden Sie 3 verschiedene Versionen: Gpt-5, gpt-5-mini, und GPT-5-Nano. GPT-5-Nano ist das billigste Modell, während GPT-5 der ist kostspielig unter den drei.

GPT 5: Praxis

Immediate: „Verwenden Sie Beatbot, um einen kranken Beat zu machen, um zu feiern Gpt– –5“

Wenn Sie Zugriff auf GPT-5 erhalten, probieren Sie eine Nachricht wie „Verwenden Sie Beatbot, um einen kranken Beat zu machen, um GPT-5 zu feiern“.

Es ist eine schöne Vorschau auf das, wie wir dies glauben, wenn KI anfängt, ihre eigene UX zu generieren, und Schnittstellen werden dynamischer.

Es ist cool, dass Sie mit dem … pic.twitter.com/mm6fcfwpkn

– Sam Altman (@SAMA) 7. August 2025

Immediate: „Machen Sie eine Web site für eine Organisation namens ‚Tete Coding Companies ‚”

GPT 5: Benchmark -Leistung

Es wurden mehrere Bewertungen durchgeführt, um GPT-5 verschiedene Benchmarks zu testen. Hier ist die Zusammenfassung der Ergebnisse:

1. Aime 2025 (American Invitational Arithmetic Examination) wird verwendet, um die Mathematik-Problemlösung auf Wettbewerbsebene zu messen. Die GPT-5-Wertung von 94,6% Genauigkeit (keine Werkzeuge, mit Argumentation)Die Die höchste aufgenommene Punktzahl für ein bisheriges Modell.

2. SWE-Bench verifiziert (Software program Engineering Coding Benchmark) Maßnahmen Aufgaben der realen Software program-Engineering, insbesondere Code-Abschluss und Fehlerbehebung. Das Modell bewertet 74,9% Genauigkeit (mit Argumentation), was weit voraus ist Openai O3 (52,8%) und Gpt-4o (30,8%).

3. Aider Polyglot (Multisprachiger Code-Bearbeitung) mLeichter Code -Bearbeitungsfunktionen über mehrere Programmiersprachen hinweg. Es führt 88,0percentPass@2 (mit Argumentation) durch, die OpenAI O3 (79,6%) und GPT-4O (25,8%) übertreffen.

4. MMMU (Massives Multitask-Verständnis) wird verwendet, um visuelle Problemlösungen auf Faculty-Ebene über Textual content und Bilder (multimodal) zu messen. GPT 5 zeigt 84,2% Genauigkeit (mit Argumentation), deutlich vor OpenAI O3 (74,4%) und GPT 4o (72,2%).

5. Healthbench Hart (Herausfordernde Gesundheitsgespräche) wird verwendet, um komplexes medizinisches Denken und realistische Gesundheitsgespräche zu bewerten. GPT-5 zeigt 46,2% (mit Argumentation), das ist Zweimal der Punktzahl von GPT-4O (31,6%) und OpenAI O3 (25,5%).

6. GPQA Diamond (Problemlösung auf Graduiertenebene für Fragen der Doktoranden),), Dies wird verwendet, um Funktionen zu lösen, um fortschrittliche Wissenschaftsfragen auf Doktoranden zu lösen. GPT-5 zeigt 88,4% Genauigkeit (mit Argumentation, ohne Werkzeuge) und führt alle Modelle für wissenschaftliche Argumentation mit hoher Differenzierung an.

Zusammen mit diesen Supercedes ist GPT-5 alle früheren Modelle bei vielen anderen beliebten Benchmarks wie: Frontiermath, HMMT, VIDEOMMU, HLE usw.

Was sind die Anwendungen von GPT-5?

Das Modell enthält viele Funktionen an sich und kann uns helfen, mit:

1. Verständnis und Visualisierung von Konzepten von Physik, Chemie und Biologie
2. Basteln 2D -Spiele mit zunehmender Genauigkeit der Physik
3. Entwerfen von Web sites unterwegs und Änderungen an ihnen vornehmen, wie wir möchten
4. Erstellen effizienter Codierungsmittel, die zuverlässige und optimierte Codes erzeugen können
5. Bereitstellung einer vorläufigen Gesundheitsdiagnose und Unterstützung.

Dies sind einige der vielen Möglichkeiten, die wir jetzt mit GPT-5 sehen werden. Es wird die Artwork und Weise verändern, wie wir Chatgpt erleben.

Welches Neue werden Sie in Chatgpt sehen?

Du Finden Sie die folgenden neuen Funktionen in Chatgpt:

1. Sie können die Farben Ihres Chats anpassen
2. Sie werden in der Lage sein, die Persönlichkeit von Chatgpt zu ändern und sie sarkastischer, einfühlsamer, professioneller oder einfach so zu machen, wie Sie es mögen (ähnlich wie Sie es tun können Gruben).
3. ChatGPT kann auf Google Mail, Google -Kalender und mehr zugreifen, wodurch die Ausgaben personalisierter werden.
4. Sie können stundenlang in der kostenlosen Stufe zugreifen und die unbegrenzte Verwendung in bezahlten Plänen finden. Die Stimme wird jetzt auch in integriert Benutzerdefinierte GPTsmit den Benutzern, die die Wahl zum Anpassen erhalten Die Stimmen nach ihren Vorlieben.

Abschluss

GPT-5 fühlt sich wie eine vollständige Überholung von Chatgpt an! Nicht nur durch das, was es bringt, sondern auch, wie es präsentiert wurde. Zum ersten Mal, in einem von OpenAI von OpenAI starteten Modell, struggle die Present nicht nur ein Typenfest. Es gab Damen vorne und in der Mitte. Das Modell verfügt über bessere Leitplanken und Gesprächskenntnisse im Vergleich zu den früheren Modellen. Bei quick jedem Benchmark ist es besser abgestimmt und bietet seinen Kollegen aus X.AI, Google und Anthropic harte Konkurrenz. Für uns alle Benutzer bietet GPT-5 mehr Zuverlässigkeit. Bisher gibt es nur Neuigkeiten über seine Größe, und die Beispiele sind Der Beweis, dass das Modell viel fähiger ist als jedes andere LLM, den wir bisher erlebt haben.

Die neue Ära von GPT beginnt – ich hoffe, Sie versuchen es bald.

Lesen Sie hier mehr über die High -Modelle von Google, Anthropic und X.ai:

Anu Madan ist ein Experte für Unterrichtsdesign, Inhaltsschreiben und B2B -Advertising and marketing mit einem Expertise, komplexe Ideen in wirkungsvolle Erzählungen zu verwandeln. Mit ihrem Fokus auf generative KI erstellt sie aufschlussreiche, progressive Inhalte, die ein sinnvolles Engagement erziehen, inspiriert und fördert.

“Software program Engineering ändert sich und bis Ende 2025 wird es grundlegend anders aussehen.Greg Brockmans Eröffnungszeile bei OpenAIs Startveranstaltung gab den Ton für die folgenden.

Codex ist kein einziges Produkt, sondern eine Familie von Agenten, die von Codex -1, dem neuesten Codierungsmodell von OpenA, betrieben werden. Codex CLI ist vor einigen Wochen als leichter Begleiter angekommen, der in Ihrem Terminal läuft. Heute verlagert sich das Rampenlicht auf seine größere, größere, Fernbedienung Agent, der ganz auf Avialble ist Chatgpt. Sie können Tausende von parallelen „Mini -Computern“ aufdrehen und mehrere Aufgaben in Angriff nehmen, während Sie sich nicht mit Kaffee schnappen. Dieser Artikel wird ein Überblick über Codex auf ChatGPT sein, und wir werden bald einige projektbasierte Artikel zu diesem Thema veröffentlichen.

Von der autonomen Vibe -Codierung von Vehicle zur autonomen Stimmung

OpenAIs Reise in Richtung agentenähnlicher Codierung begann 2021 mit dem ursprünglichen Codex-Modell, das Github Copilot angetrieben hat. Zu dieser Zeit funktionierte es wie eine intelligente Autocomplete und hilft Ihnen, Codezeilen zu beenden. Seitdem mit Jahren des Fortschritts in VerstärkungslernenCodex ist fähiger geworden.

Heute in Zeiten von Vibe -CodierungSie beschreiben einfach, was Sie in einfacher Sprache wollen, und Codex findet heraus, wie man es baut. Das neueste Modell, Codex -1, basiert auf Openai’s O3 Architektur und fein abgestimmt auf echte Pull-Anfragen. Es ist geschult, um Code zu generieren, Finest Practices wie Lining, Testen und konsistentem Stil zu befolgen, wodurch er für die Entwicklung der realen Welt hilfreich ist.

Lesen Sie auch: Ein Leitfaden zur Beherrschung der Kunst der Vibe -Codierung

Wie greifen Sie in der Chatgpt -Schnittstelle auf Codex zu?

• Öffnen Sie Chatgpt und gehen „Codex (Beta)“ Image. Klicken Sie darauf, um das Agent -Dashboard anzuzeigen.

• GitHub verbinden (nur zuerst): Ein einzelner OAuth -Klick autorisiert den Codex, um auf Ihren Repos zu lesen/zu schreiben. Sie können es auf bestimmte Organisationen oder persönliche Projekte beschränken.

• Wählen Sie ein Repository & Zweig aus: Wählen Sie das Projekt aus, an dem Codex arbeiten soll (z. B., z. fundamental oder function/ui‑overhaul). Der Agent kloniert diesen Zweig in seine eigene Sandkiste.
• Konfigurieren Sie die Umgebung (non-compulsory): Fügen Sie Umgebungsvariablen, Geheimnisse oder Einrichtungsbefehle hinzu, genau wie ein CI -Job. Linter und Formatterer sind voreinstalliert, aber Sie können Versionen überschreiben.

• Wählen Sie eine Process -Vorlage:
  • Fragen: „Erklären Sie die Architektur.“
  • Code: „Finden und beheben Sie den Flakey -Check in test_api.py.“
  • Vorschlagen: Lassen Sie den Codex das Repo scannen und Wartungsarbeiten vorschlagen.
  • Oder geben Sie einfach einen benutzerdefinierten Anweisungen in natürlicher Sprache ein.

• Run & Multitask: Drücken Sie „Begin“. Jeder Job dreht seinen eigenen Mikro -VM; Sie können Dutzende parallel anstellen und sich weiterhin in Chatgpt unterhalten.
• Überprüfungsergebnisse: Grüne Checkmarks geben vorübergehende Exams an. Klicken Sie auf eine Taskkarte, um den Diff, die Erklärung des Modells und den vollständigen Arbeitsplatz zu sehen.
• Verschmelzen oder iterieren: Schlag „Öffnen Sie PR“ Um den Zweig zurück zu GitHub zu drücken oder auf die Aufgabe zu antworten, wobei die Anweisungen für die Aufgabe erforderlich sind, wenn Änderungen erforderlich sind.

Openai Codex Demo

In diesem Abschnitt teile ich die verschiedenen Beispiele, die demostieren, wie dieser neue Softwareentwicklungsagent Ihr Leben sortieren kann!

Beispiel 1: Beschleunigung der Entwicklung

Der OpenAI -Ingenieur Nacho Soto zeigt, wie Codex ihm hilft, neue Aufgaben schneller zu beginnen, indem er das Projektgerüst wie Swift -Pakete eingerichtet hat. Mit Eingabeaufforderungen konnte er die Setup -Arbeit ausladen und sich auf das Erstellen von Funktionen konzentrieren, während Codex den Relaxation im Hintergrund übernimmt.

https://www.youtube.com/watch?v=wsakqlzszyw

Beispiel 2: Workflows überprüfen

Codex unterstützt nicht nur Codegenerierung, sondern auch Workflows. Entwickler überprüfen AI-generierte Pull-Anfragen, identifizieren Probleme wie Formatierung und fordern Codex, um Korrekturen vorzunehmen.

https://www.youtube.com/watch?v=o-zfxbfamku

Beispiel 3: Beheben von Papierschnitten mit Codex

Ingenieur Max Johnson beschreibt, wie Codex bei der Behandlung kleiner Fehler und Codequalitätsprobleme hilft, ohne den Fokus zu stören. Anstatt Kontexte zu wechseln, delegiert er diese Aufgaben an Codex und überprüft die Ausgabe später, wodurch die Codebasis verbessert wird.

https://www.youtube.com/watch?v=yhzfc1ih7jw

Beispiel 4: Fehler in der Codebasis auf einem Anruf finden

Calvin erklärt, wie Codex bei den Verschiebungen auf dem Abrufen dringende Aufgaben hilft. Durch das Senden von Stapelspuren an Codex erhält er schnell Diagnostik oder Korrekturen. Es hilft auch dabei, Warnmeldungen abzustimmen und die Routine -OPS -Arbeit zu verwalten, wodurch manuelle Overhead reduziert wird.

https://www.youtube.com/watch?v=9nt_t9pzhg8

O3 gegen Codex

Immediate: „Bitte beheben Sie das folgende Downside im Matplotlib /Matplotlib -Repository. Beheben Sie das Downside im folgenden Downside, indem Sie Codedateien in Ihrer aktuellen Code -Ausführungssitzung bearbeiten und testen. Das Repository wird in den Ordner /testbediert kloniert. Sie müssen das Downside vollständig lösen, damit Ihre Antwort korrekt betrachtet werden soll.“

Downside assertion:(Bug): Home windows correction is just not right in `mlab._spectral_helper`
### Bug abstract
Home windows correction is just not right in `mlab._spectral_helper`:
https://github.com/matplotlib/matplotlib/blob/3418bada1c1f44da1f73916c5603e3ae79fe58c1/lib/matplotlib/mlab.py#L423-L430
The `np.abs` is just not wanted, and provides mistaken consequence for window with damaging worth, comparable to `flattop`.
For reference, the implementation of scipy might be discovered right here :
https://github.com/scipy/scipy/blob/d9f75db82fdffef06187c9d8d2f0f5b36c7a791b/scipy/sign/_spectral_py.py#L1854-L1859
### Code for replica
```python
import numpy as np
from scipy import sign
window = sign.home windows.flattop(512)
print(np.abs(window).sum()**2-window.sum()**2)
```
### Precise consequence
4372.942556173262
### Anticipated consequence
0
### Further data
_No response_
### Working system
_No response_
### Matplotlib Model
newest
### Matplotlib Backend
_No response_
### Python model
_No response_
### Jupyter model
_No response_
### Set up
None

Ausgabe:

Beobachtung:

Die mit Codex erstellte Repair ist genauer und vollständiger als die O3-Ausgabe, da er die unnötige Verwendung korrekt entfernt np.abs() in der Fensternormalisierung innerhalb mlab._spectral_helperwas falsche Ergebnisse für Fenster mit negativen Werten wie verursachte flattop. Codex ersetzt die fehlerhafte Normalisierung durch mathematisch angemessene Ausdrücke – unter Verwendung (window**2).sum() anstatt (np.abs(window)**2).sum()– Ausrichtung mit Finest Practices in Scipy’s Implementierung. Es fügt auch einen Unit -Check hinzu, um das Verhalten zu validieren und sicherzustellen, dass die Repair überprüfbar und sturdy ist. Im Gegensatz dazu erscheint die O3 -Ausgabe unvollständig und adressiert den Kernfehler nicht eindeutig, wodurch Codex die bessere Lösung ist.

Arbeiten von Codex

1. Codex schreibt Code: Das Modell beginnt damit, Code zu generieren, um eine bestimmte Aufgabe zu lösen.
2. Es führt den Code aus: Die Ausgabe wird nicht nur auf Plausibilität bewertet, sondern tatsächlich ausgeführt.
3. Es überprüft die Testergebnisse: Codex stellt fest, ob der generierte Code die relevanten Exams überschreitet.
4. Es wird nur belohnt, wenn die Aufgabe erfolgreich erledigt wird: Im Gegensatz zu herkömmlichen LLMs, die sich auf die Vorhersage des nächsten Wortes konzentrieren, erhält Codex nur eine hohe Punktzahl, wenn der Code von Finish-to-Finish funktioniert.
5. Es lernt durch Suggestions: Wenn der Code fehlschlägt, wird Codex abgerufen: Erstellen von Reproskripten, Fixieren von FINT -Fehlern und Anpassung der Formatierung, bis er den Requirements erfüllt.
6. Es entwickelt sich wie ein Junior -Entwickler: Diese Trainingsmethode lehrt Codex, sich weniger wie ein Textgenerator als auch ein nachdenklicher Ingenieur zu verhalten, der nach der kodierenden Praktiken der realen Welt nachschließt.

Codex -1 übertrifft frühere Modelle sowohl in standardisierten Benchmarks als auch in internen OpenAI -Workflows. Wie nachstehend gezeigt, erreicht es eine höhere Genauigkeit auf der SWE-Bench-verifizierten Benchmark über alle Versuchszahlen und Leads bei den internen Software program-Engineering-Aufgaben von OpenAI. Dies zeigt die reale Zuverlässigkeit von Codex-1, insbesondere für Entwickler, die sie in tägliche Workflows integrieren.

Ein Blick in den Cloud Workshop

Jedes Mal, wenn Sie in der CODEX -Seitenleiste ausführen, erstellt das System eine Micro -VM -Sandbox: eine eigene Dateisystem-, CPU-, RAM- und Sperrdown -Netzwerkrichtlinie. Ihr Repository ist kloniert, Umgebungsvariablen injiziert und gemeinsame Entwickler -Instruments (Linter, Formatter, Testläufer) voreinstalliert. Diese Isolation bietet zwei unmittelbare Vorteile:

1. Sicherheit und Reproduzierbarkeit – Rogue -Skripte können Ihren Laptop computer nicht berühren oder Geheimnisse auslaufen. Der gesamte Lauf kann später wiedergegeben werden.
2. Parallelität im Maßstab – Müssen Tippfehler reparieren, Zeitausfälle harmonisieren und einen mysteriösen Fehler jagen? Starten Sie drei Aufgaben und überprüfen Sie die Ergebnisse auf der Seite.

Eine optionale Agenten.MD -Datei wirkt wie ein Readme für Roboter: Sie beschreiben das Projektlayout, wie man Exams ausführt, den Bevorzugungsstil bevorzugt, sogar eine Anfrage, ASCII -Katzen zwischen den Schritten zu drucken. Je reicher die Anweisungen, desto glatterer Kodex verhält sich.

Verfügbarkeit, Grenzen und was als nächstes kommt

Codex ist derzeit für Chatgpt Professional, Enterprise und Teambenutzer verfügbar. Von freien und EDU-Nutzern wird erwartet, dass sie bald Zugriff erhalten. Während der Forschungsvorschau unterliegt die Verwendung großzügiger Grenzen, aber diese können sich auf der Grundlage der Nachfrage entwickeln. Zukünftige Pläne umfassen eine API für Codex, die Integration in CI -Pipelines und die Vereinigung zwischen den CLI- und ChatGPT -Versionen, um nahtlose Handoffs zwischen lokaler und Cloud -Entwicklung zu ermöglichen.

Lesen Sie auch:

Abschluss

„Ich habe gerade einen Multi -File -Refaktor gelandet, der meinen Laptop computer nie berührt hat.“

– OpenAI -Ingenieur

Geschichten wie dieser Hinweis auf eine Zukunft, in der die Codierung hochklappbarer Orchestrierung ähnelt: Sie liefern die Absicht, der Agent wird durch die Particulars erscheint. Codex stellt eine Verschiebung in der Interaktion der Entwickler mit Code dar und wechselt von der manuellen Schreiben von Aufgaben auf hoher Ebene. Ingenieure konzentrieren sich jetzt mehr auf Absicht und Validierung, während Codex die Ausführung übernimmt. Für viele signalisiert dies den Beginn eines neuen Entwicklungsworkflows, bei dem die Zusammenarbeit zwischen Menschen und Agenten eher zum Commonplace als zum Commonplace wird.

Wie planen Sie Codex? Lassen Sie mich im Kommentarbereich unten wissen!

Qwen hat nonetheless ein Modell nach dem anderen hinzugefügt. Jedes seiner Modelle ist voller Merkmale und Größen, die so quantifiziert sind, dass es einfach unmöglich zu ignorieren ist. Nach QVQ, QWEN2.5-VL und QWEN2.5-OMNI in diesem Jahr hat das QWEN-Staff nun seine neueste Modelsfamilie-Qwen3-veröffentlicht. Diesmal haben sie nicht nur acht verschiedene Modelle veröffentlicht – von einem Parametermodell von 0,6 Milliarden bis zu einem Parametermodell von 235 Milliarden – konkurrieren mit Topmodellen wie Openai’s O1Anwesend Gemini 2.5 ProfessionalAnwesend Deepseek R1und mehr. In diesem Weblog werden wir die QWEN3 -Modelle im Element untersuchen und ihre Funktionen, Architektur, Trainingsprozess, Leistung und Anwendungen verstehen. Fangen wir an.

Was ist Qwen3?

QWEN3 wurde von der Alibaba -Gruppe entwickelt und ist die dritte Technology von QWEN -Modellen, die bei verschiedenen Aufgaben wie Codierung, Argumentation und Sprachverarbeitung hervorragend sind. Die QWEN3 -Familie besteht aus 8 verschiedenen Modellen, die aus 235 b, 30b, 32 b, 14 b, 8b, 4b, 1,7 b und 0,6 B bestehen. Alle Modelle sind multi-modal, was bedeutet, dass sie Textual content, Audio, Bild und sogar Videoeingaben aufnehmen können und frei verfügbar gemacht wurden.

Diese Modelle konkurrieren mit hochrangigen Modellen wie O1, O3-Mini, Grok 3Anwesend Gemini 2.5 Professionalund mehr. Tatsächlich übertrifft diese neueste Serie von QWEN -Modellen nicht nur die beliebten Modelle, sondern markiert auch eine signifikante Verbesserung gegenüber vorhandenen Modellen der QWEN -Serien in vergleichbaren Parameterkategorien. Beispielsweise übertrifft das Modell QWEN-30B-A3B (30 Milliarden Parameter mit 3 Milliarden aktivierten Parametern) das QWQ-32B-Parametermodell, das alle 32 Milliarden Parameter aktiviert ist, aktiviert.

Einführung in die QWEN3 -Modelle

Die QWEN3 -Serie wird mit 8 Modellen gepackt, von denen zwei sind Mischung (MOE) Modelle, während die anderen 6 dichte Modelle sind. Die folgende Tabelle besteht aus Particulars zu all diesen Modellen:

In MOE-Modellen wie QWEN3-235B-A22B und QWEN3-30B-A3B werden verschiedene Teile des Netzwerks oder „Experten“ basierend auf verschiedenen Eingaben aktiviert, wodurch sie hocheffizient sind. In dichten Modellen wie QWEN3-14B werden alle Netzwerkteile für jeden Eingang aktiviert.

Schlüsselmerkmale von QWEN3

Hier sind einige wichtige Highlights zu den QWEN3 -Modellen:

1. Hybridansatz

(i) Denkmodus: Dieser Modus ist nützlich, wenn es sich um komplexe Aufgaben handelt, die mehrstufige Argumente, logische Abzüge oder fortgeschrittene Problemlösungen beinhalten. In diesem Modus unterteilt das QWEN3 -Modell das angegebene Downside in kleine, überschaubare Schritte, um eine Antwort zu erreichen.

(ii) Nichtdenkungsmodus: Dieser Modus ist best für Aufgaben, die schnelle und effiziente Antworten wie Echtzeitgespräche, Informationsabruf oder einfache Q & A erfordern. In diesem Modus generieren die QWEN3 -Modelle schnell Antworten basierend auf ihrem vorhandenen Wissen oder nur einer einfachen Websuche.

Dieser hybride Ansatz wird jetzt bei allen leistungsstarken LLMs sehr beliebt, da der Ansatz eine bessere Nutzung der LLMs-Funktionen ermöglicht und eine vernünftige Verwendung von Token ermöglicht.

2. Flexibilen denken

Die neuesten Modelle der QWEN3 -Serie geben den Benutzern, auch die „Tiefe“ des Denkens zu steuern. Dies ist das erste seiner Artwork, bei dem der Benutzer auswählt, wann die Ressourcen „Denken“ für ein bestimmtes Downside verwendet werden möchten. Auf diese Weise können Benutzer ihre Budgets für eine bestimmte Aufgabe besser verwalten, um ein optimales Gleichgewicht zwischen Kosten und Qualität zu erreichen.

3. MCP & Agentic Help

Die QWEN3 -Modelle wurden für die Codierung und die Agentenfunktionen optimiert. Diese sind auch mit einer verbesserten Unterstützung für Modellkontextprotokoll (MCP). Die QWEN3 -Modelle zeigen dies, indem sie bessere Interaktionsfunktionen mit der externen Umgebung zeigen. Sie sind auch voller verbesserter „Device Calling“ -Fähigkeit, die sie für den Aufbau intelligenter Agenten wesentlich machen. Tatsächlich haben sie „Qwen-Agent“ ein separates Device veröffentlicht, mit dem intelligente Agenten mit QWEN-Modellen erstellt werden können.

4. Verbesserte Vor- und Nach-Coaching

(i) Vorausbildung: Sein Vorbereitungsverfahren battle ein 3-Stufen-Prozess. Der erste Schritt umfasste das Coaching über 30 Billionen Token mit einer 4K -Kontextlänge. Der zweite Schritt umfasste das Coaching in den Aufgaben von MINT, Codierung und Argumentation, während der letzte Schritt das Coaching mit langkontexten Daten umfasste, um die Kontextlänge auf 32-km-Token zu erweitern.

(ii) Publish -Coaching: Die QWEN3-Modelle, die den hybriden „Denken“ -Ansatz unterstützen, unterstützen den 4-Stufen-Argumentationsprozess. Die 4 Schritte betrafen lange Gedankenkette (COT) Kaltstart, Argumentationsbasis Verstärkungslernen (RL), Denkmodusfusion und schließlich allgemeines Verstärkungslernen. Das Coaching von leichten Modellen umfasste die Destillation der Basismodelle.

5. Barrierefreiheit

(i) Offenes Gewicht: Alle QWEN3 -Modelle sind unter der Apache 2.0 -Lizenz offen. Dies bedeutet, dass Benutzer diese Modelle ohne größere Einschränkungen herunterladen, verwenden und sogar ändern dürfen.

(ii) Mehrsprachige Unterstützung: Das Modell unterstützt derzeit über 119 Sprachen und Dialekte und macht es zu einem der wenigen neuesten LLMs, die sich auf die Inklusivität der Sprache konzentrieren.

QWEN3-Modelle: praktische Anwendungen

Nachdem wir alle ihre Funktionen im Element besprochen haben, ist es an der Zeit, die Funktionen von QWEN3 -Modellen zu untersuchen. Wir werden die folgenden drei Modelle testen: QWEN3-235B-A22B, QWEN3-30B-A3B und QWEN3-32B bei den folgenden drei Aufgaben:

1. Komplexes logisches Denken
2. Codierung
3. Bildanalyse

Fangen wir an.

Aufgabe 1: Komplexes logisches Denken

Immediate: „Ein Astronaut wandert mit 0,8 ° C von der Erde in einen entfernten Stern-8-Lichtjahre (80% der Lichtgeschwindigkeit), gemessen aus dem Erdrahmen. Im Mittelpunkt der Reise ist der Astronaut-Umweg in der Nähe eines schwarzen Lochs, wo eine starke Gravitationszeit-Dilatation auftritt. Der Umweg dauert 1 Jahr im Astronauten.

Der Astronaut behauptet, dass sie, einschließlich des Umwegs, nur 6 Jahre für sie während der gesamten Reise vergingen.

Bewerten Sie, ob die Behauptung des Astronauten, „nur 6 Jahre vergangen“, mit den bekannten relativistischen Effekten übereinstimmen, ob die Behauptung des Astronauts mit besonderen relativistischen Effekten des Astronauts überschritten wird. Geben Sie eine Schritt-für-Schritt-Erklärung an, wenn Sie die Zeit in der einheitlichen Bewegung und in der Nähe des Schwarzen Lochs berücksichtigen. “

Modell: QWEN3-30B-A3B

Ausgabe:

Rezension:

Es ist beeindruckend, wie schnell dieses Modell funktioniert! Es löst das Downside Schritt für Schritt und erklärt jeden Schritt einfach. Das Modell enthält dann detaillierte Berechnungen, die für die Problemanweisung related sind, und generiert dann das Ergebnis. Es erklärt das Ergebnis weiter und stellt sicher, dass alle Punkte effektiv abgedeckt werden.

Aufgabe 2: Codierung

Immediate: „Erstellen Sie eine Webseite, auf der Benutzer das beste Outfit für sie basieren, basierend auf dem Wetter, der Anlass, der Tageszeit und der Preisspanne.“

Modell: QWEN3-235B-A22B

Ausgabe:

Rezension:

Das Modell generierte den Code für die Webseite schnell mit allen relevanten Eingaben und es battle einfach, den Code mit der Funktion „Artefakte“ innerhalb der QWenchat -Schnittstelle zu testen. Nachdem der Code implementiert battle, habe ich die Particulars der generierten Webseite nur hinzugefügt und die Outfit -Empfehlungen basierend auf meinen Anforderungen erhalten – alles innerhalb weniger Sekunden! Dieses Modell zeigte Geschwindigkeit mit Genauigkeit.

Aufgabe 3: Bildanalyse

Immediate: „Analysieren Sie die folgenden Bilder und ordnen Sie die Modelle in der absteigenden Reihenfolge ihrer Leistung auf der Benchmark“ LivecodeBench „an.“

Modell: QWEN3-32B

Ausgabe:

Rezension:

Das Modell ist hervorragend bei der Bildanalyse. Es scannt die beiden Bilder schnell und basierend darauf liefert das Modell das Ergebnis des Codecs, das wir angefordert haben. Das Beste an diesem Modell ist, wie schnell es die gesamten Informationen verarbeitet und die Ausgabe generiert.

QWEN3: Benchmark -Leistung

Im letzten Abschnitt haben wir die Leistung von 3 verschiedenen QWEN3 -Modellen bei 3 verschiedenen Aufgaben gesehen. Alle drei Modelle haben mich intestine abschneiden und überraschte mich mit ihrem Ansatz zur Problemlösung. Schauen wir uns nun die Benchmark -Leistung der QWEN -Modelle im Vergleich zu den anderen Topmodellen und früheren Modellen in der QWEN -Serie an.

Im Vergleich zu den High-Stufe-Modellen wie OpenAI-O1, Deepseek-R1, GROK 3, Gemini 2.5 Professional-Qwen-235b-A22B steht zu Recht ein klarer Champion, und dies zu Recht. Es liefert eine herausragende Leistung für Coding und mehrsprachige Richtlinien für die Sprachunterstützung.

Tatsächlich konnte auch das kompakte Modell QWEN3-32B mehrere Modelle übertreffen, was es für viele Aufgaben zu einer kostengünstigen Wahl machte.

Im Vergleich zu seinen Vorgängern übertreffen QWEN3-Modelle: QWEN3-30B-A3B und QWEN3-4B die meisten vorhandenen Modelle. Diese Modelle bieten nicht nur eine bessere Leistung, sondern auch mit ihren kostengünstigen Preisgestaltung.

Lesen Sie auch: Kimi K1.5 gegen Deepseek R1: Schlacht der besten chinesischen LLMs

Wie kann ich QWEN3 -Modelle zugreifen?

Anwendungen von QWEN3 -Modellen

QWEN3 -Modelle sind beeindruckend und können eine große Hilfe bei Aufgaben wie folgt sein:

1. Agentengebäude: Die QWEN3-Modelle wurden mit verbesserten Funktionen für Funktionen entwickelt, die sie zu einer idealen Wahl für die Entwicklung von KI-Agenten machen. Diese Agenten können uns dann bei verschiedenen Aufgaben helfen, die Finanzen, Gesundheitswesen, HR und mehr betreffen.
2. Mehrsprachige Aufgaben: Die QWEN3 -Modelle wurden in verschiedenen Sprachen geschult und können eine gute Wertschöpfung für die Entwicklung von Instruments sein, die Unterstützung in mehreren Sprachen erfordern. Diese können Aufgaben wie Übersetzung, Sprachanalyse und Verarbeitung in Echtzeit mit Echtzeit beinhalten.
3. Cell Anwendungen: Die kleinen QWEN3-Modelle kleiner sind signifikant besser als die anderen SLMs in derselben Kategorie. Diese können verwendet werden, um cell Anwendungen mit LLM -Unterstützung zu entwickeln.
4. Entscheidungsunterstützung für komplexe Probleme: Die Modelle sind mit einem Denkmodus ausgestattet, der dazu beitragen kann, komplexe Probleme wie Projektionen, Asset -Planung und Ressourcenmanagement aufzubauen.

Abschluss

In einer Welt, in der es in jeder neuesten LLM von High -Unternehmen wie OpenAI und Google Parameter hinzufügt, bringen QWEN3 -Modelle die Effizienz auch den kleinsten ihrer Modelle. Diese können für alle ausprobieren und wurden öffentlich zur Verfügung gestellt, um Entwicklern dabei zu helfen, erstaunliche Anwendungen zu erstellen.

Sind diese Modelle bahnbrechend? Vielleicht nicht, aber sind diese besser? Auf jeden Fall ja! Darüber hinaus ermöglichen diese Modelle mit flexibles Denken, Ressourcen entsprechend der Komplexität der Aufgaben zuzuweisen. Ich freue mich immer auf QWEN -Modellveröffentlichungen, da sie Qualität und Funktionen verpacken und ein Ergebnis herausschlagen, das die meisten High -Modelle noch nicht erreichen konnten.

Ihre bevorzugten KI -Chatbots – Chatgpt, Claude und Gemini – haben ihre Funktionen kürzlich durch Integration in andere Anwendungen aufgeladen. Mit diesem Fortschritt können diese KI -Modelle nahtlos mit verschiedenen Apps interagieren und bei Aufgaben wie helfen Code -BearbeitungDatenabruf und mehr direkt. Dies ermöglicht mühelose Multitasking, ohne zwischen Registerkarten zu wechseln oder zusätzliche Apps herunterzuladen. Insbesondere bieten Chatgpt und Claude diese Funktionen in ihren Desktop -Anwendungen an, während Gemini sie in seine Weboberfläche integriert. In diesem Artikel werden wir untersuchen, wie Sie auf Apps zugreifen können ChatgptAnwesend ClaudeUnd Zwillinge Chatbots und untersuchen ihre einzigartigen Ansätze.

Chatgpts „Work with Apps“ -Funktion

ChatGPT hat nun eine Funktion „Arbeit mit Apps“ vorgestellt, mit der es Inhalte in externen Apps lesen und direkt bearbeiten kann. Ab sofort kann ChatGPT auf Codierungswerkzeuge zugreifen Integrierte Entwicklungsumgebungen (IDES), Terminals und Textredakteure auf macOS. Diese Integration ermöglicht es ChatGPT, kontextbezogene Unterstützung bereitzustellen, Codierungs-Workflows zu optimieren und die Produktivität zu verbessern. Derzeit ist die Funktion Plus-, Professional- und Teambenutzern zur Verfügung, um den Zugriff auf kostenlose, Unternehmens- und EDU -Benutzer in Zukunft zu erweitern.

So verwenden Sie „Arbeiten mit Apps“ auf ChatGPT

Hier erfahren Sie, wie Sie Chatgpt über externe Apps auf Ihrem MacBook verwenden können.

1. Begin Chatgpt: Öffnen Sie die Chatgpt -Desktop -Anwendung auf Ihrem MacOS -Gerät.
2. Zugriffseinstellungen: Navigieren Sie zum Einstellungsmenü, um die Funktion „Funktionen mit Apps“ zu aktivieren.
3. App -Integrationen verwalten: Gehen Sie zu Einstellungen> Arbeit mit Apps> Apps verwalten, um kompatible Anwendungen und deren Integrationsanforderungen anzuzeigen.
4. Aktivieren Sie die Berechtigungen der Zugänglichkeit: Für die meisten kompatiblen Apps benötigt ChatGPT die Berechtigungen für MacOS -Zugänglichkeit, um auf Inhalte zuzugreifen. Stellen Sie sicher, dass diese Berechtigungen für ChatGPT in Ihren Systemeinstellungen erteilt werden.
5. Installieren Sie die erforderlichen Erweiterungen: Einige Anwendungen erfordern wie VS -Code spezifische Erweiterungen für die Integration. Befolgen Sie die Eingabeaufforderungen, diese Erweiterungen nach Bedarf zu installieren.
6. Aktivieren Sie Chatgpt mit Apps: Drücken Sie die Possibility + Speicherplatz oder klicken Sie auf das Image der ChatGPT -Menüleiste, um die Chatleiste zu öffnen. Wenn ChatGPT eine aktive kompatible App erkennt, wird ein Banner angezeigt, das die App angibt, mit der sie arbeitet, und den erkannten Inhalt.
7. Interaktion und Bestätigung von Aktionen: Wenn Sie eine Eingabeaufforderung eingeben, enthält ChatGPT den Inhalt der App als Kontext. Für Aktionen wie Code -Bearbeitungen generiert ChatGPT einen Totally different für Ihre Überprüfung, bevor Änderungen angewendet werden. Sie können diese Änderungen automatisch oder manuell anwenden.

Durch die Ausführung dieser Schritte kann ChatGPT effektiv in Ihre Codierungsumgebung integriert werden, um maßgeschneiderte Unterstützung zu bieten und Ihren Workflow zu optimieren. Hier ist eine Demo, die Ihnen zeigt, wie es funktioniert.

Der Computergebrauch von Claude und den Zugriff auf externe Apps

Anthropisch entwickelte die Modellkontextprotokoll (MCP) im Jahr 2024, um zu standardisieren, wie externe Anwendungen einen Kontext für große Sprachmodelle (LLMs) bieten. Es handelt sich um ein Open-Supply-Protokoll, das die nahtlose Integration zwischen KI-Systemen und verschiedenen Datenquellen erleichtert und genauere und kontextbezogene Wechselwirkungen ermöglicht.

Mit MCP startete Anthropic zunächst eine Funktion „Pc -Verwendung“, mit der Claude in gewissem Maße die Kontrolle über persönliche Geräte übernehmen kann und autonom Aufgaben wie das Tippen von Textual content, das Erstellen von Dateien, das Erstellen von Screenshots usw. erledigt.

Kürzlich hat das Unternehmen einen neuen App Retailer namens Fleur erstellt, der den Chatbot -Zugriff auf eine breite Palette externer Apps gewährt. Diese Verbesserung ermöglicht es Claude, Aufgaben wie das Erstellen von Github -Repositorys und die effiziente Verwaltung von Pull -Anfragen auszuführen. Es verbessert die Funktionen des Chatbot, insbesondere für Benutzer, die Produktivitätstools und andere Dienstprogramme in ihre Chat -Oberfläche integrieren müssen.

So greifen Sie auf externe Apps auf Claude zu

So können Sie externe Apps in die Claude Chatbot -Schnittstelle integrieren und aufrufen.

1. Laden Sie die DMG für Fleur herunter: Beginnen Sie mit dem Herunterladen des Fleur Installers.
2. Fleur installieren: Ziehen Sie die Fleur -Anwendung in Claude.
3. Kommunikation initialisieren: Öffnen Sie Claude und geben Sie „Hallo Fleur“ ein, um die Verbindung zu initiieren.
4. Pay attention Sie verfügbare Apps auf: Geben Sie als nächstes „Öffnen Sie Fleur“ ein, um die Liste der Apps anzuzeigen, die Sie integrieren können.
5. Wählen und konfigurieren: Klicken Sie auf die App, die Sie verwenden möchten, und befolgen Sie die Eingabeaufforderungen, um alle erforderlichen API -Schlüssel oder -konfigurationen einzurichten.
6. Relaunch Claude: Sobald das Setup abgeschlossen ist, relaunch Claude, um es mit der neuen MCP -Integration zu aktualisieren.
7. Überwachungsintegrationen: Sie bemerken einen Zähler unten rechts im Eingabeaufforderungsfeld, das die Anzahl der installierten MCP -Instruments zeigt.
8. Bewerbungszugriff autorisieren: Wenn Claude versucht, eine integrierte Anwendung zu verwenden, fordert dies Ihre Erlaubnis an. Hier können Sie Zugriff für eine einzelne Eingabeaufforderung oder für die gesamte Sitzung gewähren.

Hier ist ein Video, das die oben genannten Schritte zeigt, wie Sie Fleur installieren und es verwenden können, um die Funktionalität von Claude zu verbessern.

Einführung von Fleur, dem App Retailer für Claude

In den letzten zwei Wochen mit @vortex_ape Und @adisbanda Wir haben eine Desktop -App erstellt, mit der Sie Ihre bevorzugten Apps mit Claude anschließen können

Es ist der einfachste Weg für nichttechnische Menschen, MCPs zu entdecken und zu installieren pic.twitter.com/l8bs0crifw

– Ferruccio balesteri (@0xFerRuccio) 8. März 2025

Die Integration von Gemini Chatbot in Google Apps

Gemini hat verschiedene Google -Dienste in den AI -Chatbot integriert und es Benutzern ermöglicht, auf Anwendungen wie YouTube, Karten und direkt in der Weboberfläche zugreifen zu können. Diese Integration strömt Aufgaben wie das Abrufen von Informationen, das Navigieren von Standorten und den Zugriff auf Multimedia -Inhalte, ohne die Chat -Umgebung zu verlassen. Der nahtlose Zugriff auf die Anwendungssuite von Google verbessert die Benutzererfahrung durch schnelle und effiziente Interaktionen. In jüngster Zeit wurde diese Integration auf andere Instruments wie YouTube Music und Google Office -Apps wie Google Mail, Google Calendar und DOCs erweitert, wodurch die Anwendungen weiter gesteigert werden.

So greifen Sie auf Google -Apps auf Gemini zu

Befolgen Sie diese Schritte, um die Verwendung von Google -Anwendungen auf der Weboberfläche Ihres Gemini Chatbot zu verwenden:

1. Den App -Zugriff initiieren: Geben Sie auf der Gemini -Chat -Schnittstelle das Image „@“ in das Eingabeaufforderung ein, um eine Liste der zugänglichen Google -Apps anzuzeigen
2. Wählen Sie eine App aus: Wählen Sie die gewünschte Google App (z. B. YouTube oder Google Maps) aus der Liste, um Gemini -Zugriff zu gewähren. Beachten Sie, dass bestimmte Apps wie Google Flight, Google Inns, Google Maps und YouTube standardmäßig aktiviert sind.
3. Aktivieren Sie zusätzliche Apps: Um auf andere verfügbare Anwendungen zuzugreifen, gehen Sie zu „Einstellungen“> „Apps“ und umschalten Sie die gewünschten Google -Apps, um sie zu aktivieren.
4. Berechtigungen konfigurieren: Einige Anträge erfordern möglicherweise zusätzliche Berechtigungen oder Authentifizierung. Befolgen Sie in solchen Fällen die Aufforderungen, den erforderlichen Zugang zu gewähren.
5. Verwenden Sie die integrierten Apps: Sobald Sie aktiviert sind, können Sie mit diesen Google -Anwendungen direkt in der Gemini -Chat -Schnittstelle interagieren. Mit diesen Integrationen können Sie den Chatbot für Aufgaben wie das Schreiben von E -Mails, das Ansehen von Movies, die Suche nach Flügen und vieles mehr verwenden.

Externe App -Verwendung auf Chatgpt gegen Claude gegen Gemini

Hier ist ein Vergleich der Integration externer Apps in Chatgpt, Claude und Gemini.

Zukunftsaussichten für die Verwendung von Apps auf KI -Chatbots

Das Aufkommen externer App -Integrationen in KI -Chatbots ist eine erhebliche Verschiebung der Artwork und Weise, wie sie arbeiten. Indem wir diese Instruments ermöglichen, um auf Daten aus externen Anwendungen zuzugreifen und zu manipulieren, erleben wir die frühen Stadien ihrer Agenten -KI -Funktionen. Dies bedeutet, dass KI -Chatbots in naher Zukunft möglicherweise komplexe Aufgaben über mehrere Plattformen hinweg ausführen kann – von Codierung und Datenanalyse bis hin zur Verwaltung von Zeitplänen und Reiseplänen.

Die Einführung von MCPs verstärkt diese Möglichkeiten weiter. Mit MCPs können Chatbots frühere Gespräche erinnern, externe Datenquellen referenzieren und mehrstufige Aufgaben mit einem tieferen kontextuellen Verständnis ausführen. Diese Verschiebung macht eine KI-gesteuerte Automatisierung nicht nur leistungsfähiger, sondern auch intuitiver und personalisierter.

Interessanterweise haben alle großen KI -Unternehmen diese Integrationen innerhalb kurzer Zeitrahmen eingeführt. Man kann sich fragen, ob sie bereits eine Beta -Model in Arbeit hatten und einfach auf den richtigen Second oder den Wettbewerbsdruck aus anderen Veröffentlichungen warteten. Solche gleichzeitigen Rollouts signalisieren eine branchenweite Anerkennung der Nachfrage nach tieferen, kontextbewussteren KI-Integrationen.

Wenn diese Fähigkeiten wachsen, können wir eine weitere Growth auf ein breiteres Spektrum von Anwendungen und noch anspruchsvollere Interaktionen erwarten. Eine solche Integration externer Apps mit LLMs könnte Produktivität, digitale Zusammenarbeit und Benutzererfahrung sowohl in beruflichen als auch in persönlichen Umgebungen revolutionieren.

Abschluss

Die Integration von Apps über MCP und andere Techniken markiert einen transformativen Sprung in den Fähigkeiten von AI -Chatbots wie Chatgpt, Claude und Gemini. Die Funktion „Work with Apps“ von Chatgpt, Claude’s ‚Pc Use‘ und Geminis Integration in Google Apps – alle zeigen die ersten Schritte der Agentic AI in alltäglichen Chatbots. Diese Innovationen steigern nicht nur die Produktivität, sondern deuten auch auf eine Zukunft hin, in der KI -Agenten eine Vielzahl von Aufgaben autonom ausführen können. Die nahezu gleichzeitige Freisetzung auf diesen Plattformen unterstreicht die schnelle Entwicklung und Konvergenz der Ökosysteme von AI und externen Anwendungen weiter. Bei all diesen Funktionen, die leicht verfügbar sind, müssen Sie sie sicherlich selbst ausprobieren und sehen, wie sie Ihr Leben erleichtern können.

Häufig gestellte Fragen

KI als Ihr persönlicher Coach: Die Zukunft der Health und wie Sie sie verwirklichen können

In den letzten Jahren hat die künstliche Intelligenz erhebliche Fortschritte gemacht Branchen revolutionieren weltweit, auch im Fitnessbereich. Das Konzept eines KI-Personaltrainers hat sich von einem futuristischen Traum zu einem praktischen Werkzeug entwickelt, das in der Lage ist, unsere Herangehensweise an Bewegung, Ernährung und allgemeines Wohlbefinden zu verändern.

Mit KI-gesteuerten Health-Apps, tragbarer Technologie und personalisierten Trainingsempfehlungen hat KI das Potenzial, etwas zu bewirken Private Coaching zugänglicher macheneffektiver und maßgeschneiderter als je zuvor. In diesem Artikel erfahren Sie, wie KI zu Ihrem persönlichen Coach werden kann, was dazu nötig ist und was die Zukunft für diesen schnell wachsenden Bereich bereithält.

Warum einen KI-Personaltrainer wählen?

Während herkömmliche Private Coach den Vorteil der menschlichen Verbindung und Motivation bieten, kann ein KI-Private Coach rund um die Uhr Assist, Kosteneffizienz und erweiterte datengesteuerte Erkenntnisse bieten. Mit der Weiterentwicklung der KI-Technologien wächst ihre Fähigkeit, menschliches Verhalten, körperliche Fähigkeiten und Vorlieben zu verstehen und vorherzusagen.

Dr. Peter Smith, ein Fitnesstechnologieforscher, erklärt: „KI definiert die Beziehung zwischen Individuen und ihren Fitnessroutinen neu, indem sie etwas erschafft sehr personalisiert Erfahrungen, die früher nur durch Private Coach möglich waren. Die ständige Verfügbarkeit und die geringen Kosten von KI machen Health für mehr Menschen weltweit zugänglich.“

Der Reiz von KI als Private Coach liegt in seiner Fähigkeit, Trainings- und Ernährungspläne basierend auf den spezifischen Zielen, Vorlieben und sogar Echtzeitfortschritten des Benutzers zu erstellen. Mit ein paar Klicks erhalten Sie Zugang zu einem virtuellen Coach, der Ihre Körperwerte analysieren, Ihre Leistung verfolgen, Trainings anpassen und Suggestions geben kann – Fähigkeiten, die normalerweise mit einem menschlichen Coach verbunden sind.

1. KI-gesteuerte Exercises: Individuell und adaptiv

Einer der größten Vorteile der Verwendung von KI für das Private Coaching ist die individuelle Anpassung. Im Gegensatz zu einem einheitlichen Trainingsplan kann ein KI-Coach Ihre körperlichen Fähigkeiten, Ihr Erfahrungsniveau und Ihre Ziele bewerten, um einen individuellen Plan zu erstellen, der sich mit Ihnen weiterentwickelt.

Datengesteuerte Personalisierung

KI nutzt Daten, die von Wearables, Health-Apps und persönlichen Eingaben gesammelt werden, um das Fitnessniveau und den Fortschritt des Benutzers zu verstehen. Wenn Sie beispielsweise eine Smartwatch verwenden, kann diese Ihre Herzfrequenz, VO2max (ein Maß für die Herz-Kreislauf-Health) und verbrannte Kalorien verfolgen. Durch die Interpretation dieser Daten können KI-Systeme Trainings empfehlen, die Ihren Zielen entsprechen, beispielsweise zur Verbesserung der Ausdauer, zum Kraftaufbau oder zur Fettverbrennung.

Fitnessexpertin Emily Rogers erklärt: „Ein KI-Personaltrainer folgt nicht nur einem Skript. Es beobachtet Ihre individuelle Fitnessreise anhand von Daten, passt Ihre Trainingspläne entsprechend an und kann sogar Echtzeitänderungen anbieten, wenn es Müdigkeit oder Überanstrengung erkennt.“

Anpassungen in Echtzeit

Im Gegensatz zu statischen Trainingsplänen können KI-Coach Trainingseinheiten in Echtzeit basierend auf Ihrer Leistung anpassen. Angenommen, Sie kämpfen mit einem hochintensiven Coaching. Eine KI passt möglicherweise die Intensität an oder schlägt various Übungen vor, um Verletzungen zu vermeiden und Sie gleichzeitig auf dem Laufenden zu halten. Wenn Sie schneller Fortschritte machen als erwartet, empfiehlt es sich möglicherweise, anspruchsvollere Trainingseinheiten durchzuführen, um Ihre Fitnessroutine weiterzuentwickeln.

2. KI-gestützte Ernährung: Präzision in der Diätplanung

Die Ernährung ist ein entscheidender Bestandteil jedes Fitnessprogramms. KI kann jetzt die Rolle eines Ernährungsberaters übernehmen, indem sie Ihre Ernährungsbedürfnisse, Vorlieben und Ziele analysiert. KI-gestützte Ernährungs-Apps stellen Fragen zu Ernährungseinschränkungen, Essensvorlieben und Fitnesszielen, um Speisepläne zu erstellen, die auf Ihre spezifischen Anforderungen zugeschnitten sind.

Ernährungsverfolgung und Suggestions

Mit Eingaben von Apps und Wearables können KI-Systeme die tägliche Nahrungsaufnahme überwachen, Makronährstoffverhältnisse berechnen und Echtzeit-Suggestions zur Ernährungsqualität geben. Einige fortschrittliche Apps analysieren sogar Lebensmittelfotos, um die Kalorien- und Nährstoffaufnahme zu verfolgen. Apps wie MyFitnessPal und Noom haben den Grundstein gelegt, aber zukünftige Iterationen werden voraussichtlich noch präziser sein und mehr Kontextinformationen wie Aktivitätsniveau und Stoffwechselrate integrieren.

Laut der registrierten Ernährungsberaterin Sarah Collins „bieten KI-Ernährungstools den Benutzern die Möglichkeit, eine Präzision bei der Ernährungsplanung zu erreichen, die früher nur durch professionelle Beratung möglich battle.“ Das sofortige Suggestions der KI hilft Menschen dabei, unterwegs intelligentere Lebensmittelentscheidungen zu treffen.“

Personalisierung basierend auf Genetik

Eine spannende Entwicklung in KI-gestützte Ernährung ist genetische Personalisierung. Durch die Analyse der genetischen Daten einer Particular person kann KI vorhersagen, wie jemand auf verschiedene Nahrungsmittel oder Nährstoffe reagieren könnte. Beispielsweise verstoffwechseln manche Menschen Fette oder Kohlenhydrate aufgrund genetischer Faktoren unterschiedlich. Unternehmen wie Nutrigenomix und DNAfit nutzen KI, um Diätpläne anzubieten, die diese genetischen Unterschiede berücksichtigen und so einen individuelleren Ernährungsansatz schaffen.

3. KI für Motivation und geistiges Wohlbefinden

Motiviert zu bleiben ist eine der größten Herausforderungen bei der Aufrechterhaltung eines Fitnessprogramms. KI hat einen Vorsprung beim Verständnis des Nutzerverhaltens und kann dadurch die Motivation auf einzigartige Weise steigern.

Personalisiertes Suggestions und Belohnungen

KI-Coach können regelmäßig Suggestions zu Leistung und Konstanz geben und bei Bedarf Ermutigung geben. Einige KI-gesteuerte Plattformen nutzen Gamification und belohnen Benutzer mit Punkten, Abzeichen oder anderen Anreizen für das Absolvieren von Trainingseinheiten oder das Erreichen von Meilensteinen.

Die Fitnesspsychologin Dr. Jane Miller bemerkt: „Menschen fehlt oft die Motivation, mit dem Coaching Schritt zu halten. Ein KI-Coach kann die Ermutigung personalisieren, ähnlich wie es ein Coach oder ein Freund tun würde, indem er Muster verfolgt und lernt, was jeden Benutzer individuell motiviert.“

Unterstützung der psychischen Gesundheit

KI-Coach beginnen auch damit, Test-ins zur psychischen Gesundheit zu integrieren. Viele Fitnessplattformen, darunter Calm und Headspace, bieten Achtsamkeits- und Stressmanagement-Instruments. Durch Verlinkung körperliche Bewegung und geistiges Wohlbefinden helfen KI-Coach den Benutzern, die Verbindung zwischen Geist und Körper zu verstehen, und bieten einen ganzheitlichen Fitnessansatz.

4. So richten Sie einen KI-Personaltrainer ein

Mit den richtigen Apps und Geräten können Sie einen auf Ihre Bedürfnisse zugeschnittenen virtuellen Private Coach erstellen. Hier ist eine Schritt-für-Schritt-Anleitung für den Einstieg:

Schritt 1: Definieren Sie Ihre Ziele

Beginnen Sie mit der Festlegung spezifischer, messbarer, erreichbarer, relevanter und zeitgebundener (SMART) Ziele. Möchten Sie abnehmen, Muskeln aufbauen, Ihre Ausdauer verbessern oder einen ausgewogenen Lebensstil pflegen? Wenn Sie Ihre Ziele kennen, kann AI ein Programm zusammenstellen, das Ihren Anforderungen entspricht.

Schritt 2: Wählen Sie die richtigen Geräte aus

Tragbare Geräte wie Fitbit, Apple Watch und Garmin sind für die Erfassung von Daten zu körperlicher Aktivität, Herzfrequenz und anderen Messwerten unerlässlich. Einige Geräte sind für bestimmte Aktivitäten genauer. Wählen Sie daher eines, das Ihren Fitnesszielen entspricht.

Schritt 3: Finden Sie eine KI-gestützte Health-App

Suchen Sie nach Health-Apps, die KI-gesteuertes Teaching bieten, wie Freeletics, Fitbod oder Vi Coach. Jedes hat seine eigenen Stärken: Freeletics ist auf Körpergewichtsübungen spezialisiert, während Fitbod die Trainingsroutinen an Ihre Fortschritte anpasst.

Schritt 4: Integrieren Sie die Ernährungsverfolgung

Verwenden Sie eine App, die sowohl Health- als auch Ernährungstracking umfasst. MyFitnessPal kann beispielsweise mit Wearables synchronisiert werden, um ganzheitliche Gesundheitsdaten bereitzustellen. Für diejenigen, die genetische Erkenntnisse suchen, kombiniert DNAfit Health- und Ernährungspläne mit genetischer Analyse.

Schritt 5: Bleiben Sie konsequent und offen für Suggestions

KI-Personaltrainer passen sich basierend auf Ihren Eingaben und Ihrem Suggestions an. Daher ist es wichtig, bei den Monitoring-Daten konsistent zu sein. Wenn Sie ehrlich zu Ihrer Leistung bleiben, kann die KI bessere Empfehlungen abgeben.

5. Die Zukunft der KI-Private Coach

Die Zukunft des KI-Personaltrainings verspricht noch größere technologische Fortschritte und ein immer individuelleres und effektiveres Fitnesserlebnis.

Virtuelle Realität (VR) und Augmented Actuality (AR)

Durch die virtuelle Realität können immersive Trainingsumgebungen geschaffen werden, die das Coaching noch spannender machen. Stellen Sie sich vor, Sie machen Yoga an einem virtuellen Strand oder nehmen bequem von zu Hause aus an einem Reside-Kurs teil. Augmented Actuality, das virtuelle Elemente in reale Umgebungen überlagert, könnte es KI-Trainern ermöglichen, Benutzer interaktiver durch Übungen zu führen.

Fortschrittlichere Wearables

Künftige Wearables werden wahrscheinlich noch präzisere Daten liefern, darunter Messwerte wie Flüssigkeitszufuhr, Muskelermüdung und detaillierte biomechanische Analysen. Diese erweiterten Metriken werden KI-Trainern ein tieferes Verständnis des körperlichen Zustands der Benutzer vermitteln und ihnen helfen, noch individuellere Empfehlungen abzugeben.

Soziale Health und KI-gesteuerte Gemeinschaften

KI-Coach könnten auch eine wichtige Rolle beim Aufbau sozialer Gemeinschaften innerhalb von Health-Apps spielen. Durch die Identifizierung gemeinsamer Fitnessziele oder Fortschrittsniveaus kann KI Benutzer mit ähnlichen Interessen verbinden und so Unterstützungsnetzwerke schaffen, die die Motivation steigern können.

KI- und Telemedizin-Integration

KI-Coach könnten auch in die Telemedizin integriert werden, um Echtzeit-Suggestions zu Verletzungsrisiken oder Gesundheitsproblemen zu geben. Wenn eine KI beispielsweise während des Trainings unregelmäßige Herzrhythmen erkennt, könnte sie den Benutzer darauf aufmerksam machen, einen Arzt aufzusuchen und so die Lücke zwischen Health und Gesundheitsversorgung schließen.

6. Herausforderungen und ethische Überlegungen

KI-Personaltrainer sind zwar vielversprechend, bringen aber auch Herausforderungen mit sich. Datenschutz ist ein wichtiges Anliegen, da Fitnessdaten sehr persönlich sind. Für die Aufrechterhaltung des Vertrauens ist es von entscheidender Bedeutung, sicherzustellen, dass Benutzerdaten sicher sind und ethisch verwendet werden. Darüber hinaus müssen KI-Coach sorgfältig konzipiert werden, um Schäden zu vermeiden, wie etwa eine Überschätzung der körperlichen Fähigkeiten eines Benutzers, die zu Verletzungen führen könnte.

Professor John Davis, ein Experte für KI-Ethik, erklärt: „KI-Personaltrainer müssen mit strengen ethischen Richtlinien programmiert werden, um die Gesundheit und Privatsphäre der Benutzer zu schützen.“ Für Entwickler ist es wichtig, Sicherheit und Transparenz in den Vordergrund zu stellen, um Vertrauen in diese Technologie aufzubauen.“

Und schließlich

KI-Personaltrainer verändern die Health, indem sie personalisierte, datengesteuerte Trainings- und Ernährungspläne bereitstellen, die für jeden mit einem Smartphone oder einem tragbaren Gerät zugänglich sind. Während es unwahrscheinlich ist, dass traditionelle Private Coach vollständig ersetzt werden, bringt KI Vorteile mit sich, die menschliches Teaching ergänzen können und eine erschwingliche und anpassbare Different darstellen. Mit technologischen Fortschritten verspricht die Zukunft des KI-Personaltrainings noch mehr Innovation, von der virtuellen Realität bis hin zur genetisch basierten Ernährung.

Dr. Peter Smith betont: „KI hat das Potenzial, Health zu demokratisieren und professionelle Beratung für Millionen Menschen auf der ganzen Welt verfügbar zu machen.“ Die Reise hat gerade erst begonnen.“

Die Ära des KI-Personaltrainers ist angebrochen und bietet beispiellose Möglichkeiten für personalisierte Gesundheit und Wohlbefinden. Durch den Einsatz dieser Instruments kann jeder seine Fitnessziele effektiver und nachhaltiger erreichen, begleitet von einem Coach, der niemals schläft und immer bereit ist, zu helfen.