የክላውድ ነርፍን እንዴት ማወቅ እንደሚቻል (ከእውነተኛ መረጃ ጋር)
ሰዎች ክላውድ ከእያንዳንዱ ማስጀመሪያ በኋላ በጥቂት ሳምንታት ውስጥ ደደብ ይሆናል ይላሉ። አንድ ገንቢ ክላውድ ኦፐስ 5.5ን ከማስጀመሪያ ሳምንት ጀምሮ ለ30 ቀናት በሰዓት ቆጣሪ ላይ አደረገው፣ በቀዘቀዙ ጥያቄዎች፣ በተሰካ ክላውድ ኮድ እና በይፋዊ ህጎች፣ እና ማንም ከዚህ በፊት ለምን ማወቅ እንዳልቻለ እና የእርስዎ ማስመሰያ ቆጠራ ለምን መታየት ያለበት ነገር እንደሆነ ያሳያል። ፍርድ: SHIP IT።
ሰዎች ክላውድ ከእያንዳንዱ ማስጀመሪያ በኋላ በጥቂት ሳምንታት ውስጥ ደደብ ይሆናል ይላሉ። አንድ ገንቢ ክላውድ ኦፐስ 5.5ን ከማስጀመሪያ ሳምንት ጀምሮ ለ30 ቀናት በሰዓት ቆጣሪ ላይ አደረገው፣ በቀዘቀዙ ጥያቄዎች፣ በተሰካ ክላውድ ኮድ እና በይፋዊ ህጎች፣ እና ማንም ከዚህ በፊት ለምን ማወቅ እንዳልቻለ እና የእርስዎ ማስመሰያ ቆጠራ ለምን መታየት ያለበት ነገር እንደሆነ ያሳያል። ፍርድ: SHIP IT።
ይህ ቪዲዮ ምን ይሸፍናል
- ክላውድ ከማስጀመሪያ በኋላ ደደብ ይሆናል: ንድፈ ሃሳቡ ከቀን-ዜሮ ሰዓት ቆጣሪ ጋር ይገናኛል
- livenerf: ኦፐስ 5.5 ከማስጀመሪያ ሳምንት ጀምሮ የ30 ቀን ሰዓት ቆጣሪ
- ነርፍን እንዴት መያዝ እንደሚቻል: 78 አንዳንድ ጊዜ-ትክክለኛ ጥያቄዎች
- ምን ማየት ይችላል: 7.5 ነጥቦች, እና ማስመሰያ ቆጠራው መጀመሪያ ይንቀሳቀሳል
- ዓይነ ስውር ቦታው: የኦፐስ 5 መለዋወጥ እና 8 የተሳሳቱ የመልስ ቁልፎች
ጥያቄዎች እና መልሶች
አንድ የኤአይ ሞዴል ከተጀመረ በኋላ በጸጥታ የከፋ መሆኑን እንዴት መሞከር ይቻላል?
ተመሳሳይ የቀዘቀዙ ጥያቄዎችን በተወሰነ የጊዜ ሰሌዳ ላይ ያካሂዱ እና በትክክለኛ ግጥሚያ ደረጃ ይስጧቸው። የ livenerf repo በ Claude Opus 5.5 ላይ፣ በቀን አንድ ጊዜ፣ ማንም ሊያርትዕ በማይችል ምዝግብ ማስታወሻዎች አማካኝነት የ30 ቀን ሰዓት ያካሂዳል። ሞዴሉ አንዳንድ ጊዜ ብቻ በትክክል የሚመልሳቸውን 78 ጥያቄዎችን ይጠቀማል፣ ምክንያቱም ሁልጊዜ በትክክል የሚመልሰው ጥያቄ ሊወድቅ አይችልም። የ Claude ኮድ ስሪትን ይሰካል፣ ምክንያቱም የተቀየረ መዘውር የተቀየረ ሞዴል ይመስላል።
የ livenerf መለኪያ ምን ያህል መጠን ያለው ቅናሽ ሊያገኝ ይችላል?
በአሥር ቀን መስኮት ውስጥ፣ መለኪያው ወደ 7.5 ነጥብ የሚጠጋ ቅናሽ ማየት ይችላል። የመሳሪያው ስብስብ እንደሚሰራ ለማረጋገጥ ደራሲው የ Claudeን ጥረት ሆን ብሎ ቀንሷል። ዝቅተኛ ጥረት ውፅዓትን በሁለት ሦስተኛ ያህል እና ውጤቱን በስምንት ነጥብ ቀንሷል። የድሮውን ኦፐስ 5ን በጸጥታ መለዋወጥ የመሳሪያው ስብስብ ለመጥራት በጣም ትንሽ ለውጥ ነበር፣ እና የ readme መጀመሪያ ላይ እንደዛ ይላል።
የኤአይ ወኪል አነስተኛ ከሆነ ገንቢዎች ምን መከታተል አለባቸው?
በየተግባሩ የውጤት ማስመሰያ ብዛት። በ livenerf ሙከራዎች ውስጥ፣ አነስተኛ አስተሳሰብ በውጤቶቹ ውስጥ ከመታየቱ በፊት በማስመሰያ ብዛት ውስጥ ታይቷል። ክፍሉ የሞዴልዎን ስሪት እንዲሰኩ፣ በየተግባሩ የውጤት ማስመሰያዎችን እንዲመዘግቡ እና ጥቂት የራስዎ የቀዘቀዙ ጥያቄዎችን እንዲይዙ ይጠቁማል። ወኪልዎ በድንገት አጭር መጻፍ ከጀመረ፣ መጀመሪያ ምዝግብ ማስታወሻዎችዎን ያረጋግጡ።
አንትሮፒክ የ Claudeን ጥራት የሚቀንስበት ከፍተኛ ፍላጎት ሲኖር ነው ይላል?
አንትሮፒክ አያደርግም ይላል። ከሴፕቴምበር 2025 የመጣው የሞት በኋላ ምርመራው በፍላጎት፣ በቀን ሰዓት ወይም በአገልጋይ ጭነት ምክንያት የሞዴል ጥራትን በጭራሽ እንደማይቀንስ ይናገራል። ያው ልጥፍ ሶስት ስህተቶች Claudeን እንዳበላሹት እና ከ Claude ኮድ ተጠቃሚዎች ውስጥ አንድ ሦስተኛ የሚጠጉት ቢያንስ አንድ ጊዜ የተሳሳቱ አገልጋዮችን እንደደረሱበት ይቀበላል።
የ livenerf ውጤቶች የ Claude nerfን ለማሳየት ሊታመኑ ይችላሉ?
የ Daily Diff ፍርድ ለፕሮጀክቱ SHIP IT ነበር፣ ምክንያቱም የጊዜ ማህተም፣ የህዝብ የህግ መጽሐፍ እና የተገለጸ ዕውር ቦታ ያለው የመጀመሪያው የነርቭ ክርክር ነው። ክፍሉ ጥቅምት 24 ከመጀመሩ በፊት እንዳይጠቅስ ይላል፣ ምክንያቱም ከሰላሳ ቀናት ውስጥ ስድስቱ ብቻ ነበሩ እና የመጀመሪያው ሊሆን የሚችል ጥሪ ያኔ ነው። ኦዲት በተጨማሪም የተሳሳቱ የሚመስሉ 8 የመልስ ቁልፎችን አግኝቷል።
የተተረጎመ ግልባጭ
ከዋናው የእንግሊዝኛ ትረካ የተተረጎመ። የሚገኙ ኦዲዮ እና መግለጫ ጽሑፎች በYouTube ቁጥጥር ስር ናቸው።
ክላውድ ከማስጀመሪያ በኋላ ደደብ ይሆናል: ንድፈ ሃሳቡ ከቀን-ዜሮ ሰዓት ቆጣሪ ጋር ይገናኛል
0:00 ሁሉም ሰው ክላውድ ከማስጀመሪያ በኋላ በጥቂት ሳምንታት ውስጥ ደደብ እንደሚሆን ያውቃል። ስለዚህ አንድ ገንቢ ኦፐስ አምስት ነጥብ አምስትን ከማስጀመሪያ ሳምንት ጀምሮ በሰዓት ቆጣሪ ላይ አደረገው፣ እና ሰዓት ቆጣሪው ማንም ገና ማወቅ እንደሌለበት ይናገራል። በዚህ ቪዲዮ ውስጥ, ሶስት ጥያቄዎች። ነርፍን እንዴት ይይዛሉ? ይህ መለኪያ ምን ማየት ይችላል? እና አንትሮፒክ ምን ይላል? እና በማከማቻው ክሬዲት ውስጥ አንድ መስመር ሳቅ አስነሳኝ።
0:20 በመጨረሻው ላይ እደርስበታለሁ። እሮብ, መስከረም ሰላሳ, እና ይህ The Daily Diff ነው። ዛሬ ሶስት ታሪኮች አሉ፣ እና ትልቁ Live Nerf የሚባል GitHub ማከማቻ ነው።
livenerf: ኦፐስ 5.5 ከማስጀመሪያ ሳምንት ጀምሮ የ30 ቀን ሰዓት ቆጣሪ
0:30 ለወራት ያህል ሰዎች አንትሮፒክ ከማስጀመሪያ በኋላ ሞዴሎቹን በጸጥታ እንደሚቀንስ ሲናገሩ ቆይተዋል። የተለመዱት ንድፈ ሐሳቦች የተጨመቀ ሞዴል፣ በተመሳሳይ ስም ስር ያለ ትንሽ ሞዴል ወይም በቀላሉ ያነሰ አስተሳሰብ ናቸው። ማከማቻው እያንዳንዱን ክርክር እስካሁን ስሜት ከስሜት ጋር ይለዋል። ኦፐስ አምስት ነጥብ አምስት በመስከረም ሃያ ሁለት ተላከ፣ እና ከአንድ ሳምንት በፊት ከሜዲያን ሞዴል በሦስት እጥፍ የሚበልጡ ቃላትን እየጻፈ ገለልተኛውን ቦርድ መምራቱን ነግሬዎታለሁ። ከሁለት ተኩል ቀናት በኋላ ኒንጃ ሃውክ የተባለ ገንቢ ሰዓት ቆጣሪውን ጀመረ፣ ለሰላሳ ቀናት በቀን አንድ ጊዜ፣ ማንም ሊያርትመው በማይችል ምዝግብ ማስታወሻዎች።
0:59 የሃከር ዜና ክር ወደ ስምንት መቶ ነጥብ ደርሶ እንደ የቡድን ውይይት ተከፋፈለ። አንድ አስተያየት ሰጪ እንደሚለው ሞዴሎችን መቀነስ በአብዛኛዎቹ በተዘገበው ጉዳዮች ላይ እውነተኛ አይደለም። ሌላው ደግሞ ሰዎች አሁን ከፍ ካለ የብልህነት ደረጃ ጋር እየተለማመዱ ነው ይላል። እና አንድ የክላውድ ኮድ ሃይል ተጠቃሚ አሁን በየጊዜው "ይህን ክፍለ ጊዜ ደረጃ ስጥ" ብቅ ባይ መልዕክትን ችላ ይላል፣ ምክንያቱም ክላውድን መመዘን የባሰ ያደርገው የነበረ ይመስላል። የእኩዮች ግምገማ። ስለዚህ፣ የመጀመሪያው ጥያቄ፣ ነርፍን እንዴት ይይዛሉ? በግምት ሁለት ሺህ ሶስት መቶ ከባድ የፈተና ጥያቄዎች ይጀምራሉ፣ እና ኦፐስ በመጀመሪያው ሙከራ ዘጠና ሶስት በመቶውን በትክክል ያገኛል፣
ነርፍን እንዴት መያዝ እንደሚቻል: 78 አንዳንድ ጊዜ-ትክክለኛ ጥያቄዎች
1:27 ይህ ለጠቋሚ ምንም ፋይዳ የለውም፣ ምክንያቱም ሁልጊዜ በትክክል የሚያገኘው ጥያቄ ሊወድቅ አይችልም። ዘጠና ሰባት በመቶው ሁልጊዜ ትክክል ወይም ሁልጊዜ የተሳሳቱ ነበሩ፣ እና አንዳንድ ጊዜ ብቻ በትክክል የሚያገኛቸው ሰባ ስምንቱ ፓነሉን ፈጠሩ። ተመሳሳይ ጥያቄ፣ ምንም መሳሪያ የለም፣ እና ምንም AI ዳኛ የሌለበት ትክክለኛ-ተዛማጅ ደረጃ መስጠት፣ ምክንያቱም ዳኛውም እንዲሁ ይንሸራተታል። በ headless Claude Code በኩል በ Max ምዝገባ ላይ ይሰራል። የኤፒአይ ስሪት በወር በግምት አንድ ሺህ ስድስት መቶ ዶላር ስለነበረ። እና የክላውድ ኮድ ስሪት ተሰክቷል፣ ምክንያቱም፣ በማከማቻው ቃላት፣
1:55 የተቀየረ መታጠቂያ ከተለወጠ ሞዴል ጋር ተመሳሳይ ይመስላል። ስታቲስቲክስ ከ Evan Miller በአንትሮፒክ ከተጻፈው Adding Error Bars to Evals ከሚለው ወረቀት የመጣ ነው። ስለዚህ የአንትሮፒክ የራሱ ሂሳብ አሁን አንትሮፒክን እየመረመረ ነው፣ ይህም የደንበኞች አገልግሎት ላይ የአገልግሎት ውሎችን ወደኋላ የመጥቀስ የአካዳሚክ ስሪት ነው። ሁለተኛው ጥያቄ, ምን ማየት ይችላል? በአስር ቀን መስኮት ውስጥ, ወደ ሰባት ተኩል ነጥቦች መቀነስ። መሳሪያው እንደሚሰራ ለማረጋገጥ, ደራሲው የክላውድን ጥረት ሆን ብሎ ቀንሷል። መካከለኛ ጥረት ውጤቱን በግምት በሩብ ቀንሷል፣ እና ነጥቡን በአራት ነጥቦች ብቻ።
ምን ማየት ይችላል: 7.5 ነጥቦች, እና ማስመሰያ ቆጠራው መጀመሪያ ይንቀሳቀሳል
2:19 ዝቅተኛ ጥረት ውጤቱን በግምት በሁለት ሶስተኛ ቀንሷል፣ ለስምንት ነጥቦች። ይህ ሊሰረቅ የሚገባው ክፍል ነው። ያነሰ አስተሳሰብ በመልሶች ውስጥ ከመታየቱ በፊት በማስመሰያ ቆጠራ ውስጥ ይታያል። ስለዚህ የሞዴልዎን ስሪት ይሰኩ፣ ለእያንዳንዱ ተግባር የውጤት ማስመሰያዎችን ይመዝግቡ፣ እና ጥቂት የቀዘቀዙ ጥያቄዎችዎን ይያዙ። ኤጀንትዎ በድንገት አጭር መጻፍ ከጀመረ፣ Redditን ከመፈተሽዎ በፊት ምዝግብ ማስታወሻዎችዎን ያረጋግጡ። እና ይሄኛው ሐቀኛ ክፍል ነው።
2:43 የቀድሞውን ኦፐስ አምስትን በጸጥታ መለዋወጥ መሳሪያው ለመጥራት በጣም ትንሽ ለውጥ ነበር፣ እና READMEው አስቀድሞ ይናገራል። ኦዲቱ ስምንት የተሳሳቱ የመልስ ቁልፎችንም አግኝቷል፣ ስለዚህ የነርፍ መመርመሪያው ነርፍ ከማግኘቱ በፊት በቤንችማርክ ውስጥ ስህተቶችን አግኝቷል።
ዓይነ ስውር ቦታው: የኦፐስ 5 መለዋወጥ እና 8 የተሳሳቱ የመልስ ቁልፎች
2:54 ሶስተኛው ጥያቄ, አንትሮፒክ ምን ይላል? ባለፈው አመት, ከብዙ ቅሬታዎች በኋላ, አንትሮፒክ ከችግር በኋላ ያለውን ዘገባ አሳተመ። እሱም, ጥቅስ, በፍላጎት, በቀን ሰዓት ወይም በአገልጋይ ጭነት ምክንያት የሞዴል ጥራትን በጭራሽ አንቀንስም ይላል። ተመሳሳይ ልጥፍ ሶስት ስህተቶች ክላውድን እንዳበላሹት አምኗል፣ እና ከሞላ ጎደል አንድ ሶስተኛ የሚሆኑ የክላውድ ኮድ ተጠቃሚዎች ቢያንስ አንድ ጊዜ የተሳሳቱ አገልጋዮችን አግኝተዋል።
አንትሮፒክ: የመודል ጥራትን በጭራሽ አንቀንስም
3:08 ስለዚህ ቅሬታዎቹ እውነተኛ ነበሩ እና ምክንያቱ ስህተቶች ነበሩ፣ ለዚህም ነው ማከማቻው የማስጀመሪያ ሳምንት በጣም መጥፎው ሳምንት ሊሆን ይችላል ብሎ የሚያስጠነቅቀው። ከሰላሳ ቀናት ውስጥ ስድስቱ አልፈዋል። የመጀመሪያው ሊሆን የሚችል ጥሪ በጥቅምት ሃያ አራት አካባቢ ነው፣ ስለዚህ ሐቀኛው መልስ ማንም አያውቅም, እርግጠኛ የሆኑትን ጨምሮ። ማንም የማያትማቸው ቁጥሮች ሲነሱ። Lighthouse Reports እና የደች ወረቀት Trouw አብዛኛዎቹ የአውሮፓ ዳታ ማዕከሎች የኃይል እና የውሃ አጠቃቀማቸውን ሚስጥር እንደሚጠብቁ አረጋግጠዋል፣ ምንም እንኳን የአውሮፓ ህብረት ህግ ለሶስት አመታት ሪፖርት ማቅረብን ቢጠይቅም።
3:35 በኔዘርላንድስ ውስጥ፣ ከሩብ ያነሱ ናቸው የሚያትሙት። አንድ የማይክሮሶፍት ዳታ ማዕከል ብቻ የደች ኤሌክትሪክን በግምት አንድ በመቶ ይጠቀማል። ይህ በእንዲህ እንዳለ, Backblaze እንደገና አሰልቺውን ነገር አደረገ። የሩብ ዓመቱ ድራይቭ ስታቲስቲክስ በግምት ሶስት መቶ ሃምሳ ሺህ ሃርድ ድራይቮችን ይሸፍናል፣
የዳታ ማዕከሎች ቁጥራቸውን ሚስጥር ይጠብቃሉ; Backblaze ያትማል
3:46 እና የውድቀት መጠኑ ወደ አንድ ነጥብ ሰባት ሶስት በመቶ ከፍ ብሏል፣ ለረጅም ጊዜ ከፍተኛው ነው። ሶስት የሲጌት ሞዴሎች ዜሮ ውድቀቶች ነበሩባቸው። ይህ ነው የህዝብ መሰረት መስመር የሚመስለው፣ ከሩብ ዓመት በኋላ፣ ለአስራ ሶስት አመታት። አሁን፣ ያ ክሬዲቶች መስመር። READMEው አብዛኛው የማከማቻው ክፍል የተጻፈው በክላውድ እርዳታ እንደሆነ አምኗል፣ ይህም የሚለካው ሞዴል ነው።
4:16 ስለዚህ ክላውድ ክላውድ ደደብ እንደሆነ የሚፈትሽ ሜትር ለመገንባት ረድቷል። ለዚህም ነው ገምጋሚዎቹ ቀላል ተግባራት የሆኑት። በደራሲው ቃላት, ደራሲውን ማመን የለብዎትም, ሰው ወይም ሌላ።
የክሬዲቶች መስመር: ክላውድ ሜትሩን ለመገንባት ረድቷል
4:25 ይህን ከመስማት ይልቅ ማንበብ ከፈለጉ፣ ልዩነቱ በየማለዳው በነፃ በ the daily diff dot dev ወደ ገቢ መልዕክት ሳጥንዎ ይደርሳል፣ ከታች ያለው አገናኝ። ስለዚህ፣ ዛሬ በ Live Nerf ላይ የተሰጠው ፍርድ። SHIP IT። እኔ እልከው ነበር ምክንያቱም እሱ የሰዓት ማህተም፣ የህዝብ ደንቦች መጽሐፍ እና የተገለጸ ዓይነ ስውር ቦታ ያለው የመጀመሪያው የነርፍ ክርክር ስለሆነ። ከጥቅምት ሃያ አራት በፊት ብቻ አይጥቀሱት። እና የዛሬው ልዩነት ይህ ነው። እኔ ከ Axrisi ኒኮ ነኝ። በኃላፊነት ያዋህዱ። በኃላፊነት ያዋህዱ።
4:46 በኃላፊነት ያዋህዱ። በኃላፊነት ያዋህዱ።
ፍርድ: SHIP IT, እና ከጥቅምት 24 በፊት አይጥቀሱት
4:51 በኃላፊነት ያዋህዱ። በኃላፊነት ያዋህዱ። በኃላፊነት ያዋህዱ። በኃላፊነት ያዋህዱ። በኃላፊነት ያዋህዱ። በኃላፊነት ያዋህዱ።
ምንጮች
- livenerfgithub.com
- Validationgithub.com
- Hacker Newsnews.ycombinator.com
- Anthropic postmortem (Sep 2025)www.anthropic.com
- Adding Error Bars to Evals (Evan Miller)arxiv.org
- Inspect (UK AI Security Institute)inspect.aisi.org.uk
- NL Timesnltimes.nl
- Hacker Newsnews.ycombinator.com
- Backblaze Drive Stats Q2 2026www.backblaze.com
- Hacker Newsnews.ycombinator.com



