最新

我开始注意到一些出于善意的人们对大型语言模型的环境成本表示担忧。就在昨天，我在社交媒体上看到一个表情包，声称“ChatGPT在处理每个查询时需要1到3瓶水进行冷却。” 这让我觉得不太可信，但真相是什么呢？ 我明白，训练一个大型语言模型的成本是非常高昂的。（虽然建立一个新的CPU制造厂的成本同样高。）但我认为，查询一个模型的增量成本应该相对较低。 我很想看到你们对“回答一个查询”所需的水和电量的粗略计算，比如ChatGPT、Claude-3.7-Sonnet或Gemini Flash。如果你能把这些数据与观看五分钟YouTube视频或进行一次Google搜索的成本进行比较，那就更好了。 如果能提供相关来源的链接，我将不胜感激。

我们的目标是打造一款最佳工具，将原始数据转化为清晰且富有洞察力的报告。<p>我们认为目前的数据接口已经过时，而聊天用户界面在可用性方面存在不足。<p>Kivo是一款由人工智能驱动的文本编辑器，可以帮助您快速将Excel、PDF和CSV文件转化为富有洞察力的报告。<p>- 清理和格式化您的数据 - 生成完整的初稿，配备图表和洞察 - 结合来自多个文件的洞察，包括PDF和网络内容<p>欢迎免费试用，任何反馈都非常欢迎！