Das Pro/Contra verschiedener LLM

Warum? Ich dachte, das wäre so gut. Hatte mich eigentlich schon damit beschäftigt, von ChatGPT Go dann zu wechseln.

Zitat von Dan

Warum?

Gemini antwortet mir zu allgemein. Beispiel: Unser Hund kratzt sich neuerdings immer am Bauch, dort ist eine etwas dunklere Stelle. Foto gemacht und hochgeladen. Nur ChatGPT 5.4 hat das Bild analysiert, die Anderen sind nicht darauf eingegangen.

Oder CSS codes: Gemini fängt ganz einfach an was eigentlich nie funktioniert und verbessert sich bei jeder Neuanfrage. Bei Chat GPT passt es fast immer beim ersten Versuch.

Für mich die falsche Fragestellung.

Ich nutze mehrere LLMs zusammen für eine Aufgabe. Das ist mehr pro, als contra.

Das Zusammenspiel ist mächtiger als ein LLM allein

Hmmm… das macht mich nachdenklich. Das Rennen wird wohl noch eine Weile weitergehen. Ich habe ChatGPT tatsächlich gerade gekündigt. Vor allem, weil es ein Jahresabo war, welches sich sonst im April verlängert hätte. Es läuft wohl auf ein „KI-Hopping“ hinaus. Alles was irgendwie mit Code zusammenhängt übernimmt hier Claude. Perplexity habe ich auch gerade wieder erst aus dem „Abo-Schlaf“ geholt.

Hier auch: ChatGPT gekündigt, Gemini abonniert. In Zusammenarbeit mit Claude, NotebookLM und Perplexity ist das hier schon ein ordentliches Paket. Das eben nicht von einem LLM ersetzt werden kann.

Zitat von Mia

Ich nutze mehrere LLMs zusammen für eine Aufgabe.

Wie machst du das konkret? Mehrmals prompten oder gibt es da eine elegantere Methode a la Agenten?

Ich nutze z. B. Perplexity zum Recherchieren. Oder Claude zum Coden.

Geminis Nano Banana 2 für Bilder.

NotebookLM für Zusammenfassungen (von z. B. YouTube-Videos) oder Infografiken.

Es kommt auf die Aufgabe an. Meistens bisher aber jeweils einzeln Prompten. Sprich, ich lass das erste LLM was machen, nehm das Ergebnis in eine andere LLM und mit nem neuen Prompt das weiter bearbeiten. Und so weiter mit anderen LLMs, bis das „perfekte“ Ergebnis erreicht wurde. Ich nutze somit die jeweilige Kernkompetenz einer LLM um zum bestmöglichen Ergebnis zu kommen.

Zitat von Mia

Ich nutze mehrere LLMs zusammen für eine Aufgabe. Das ist mehr pro, als contra.

Das GitHub-Projekt „LLM Council“ von Andrej Karpathy ist ein experimentelles Tool, bei dem mehrere KI-Modelle gleichzeitig auf eine Frage antworten, sich danach gegenseitig bewerten und schliesslich eine kombinierte, optimierte Antwort erzeugen; statt sich auf ein einzelnes Modell zu verlassen, entsteht so eine Art „KI-Rat“, der unterschiedliche Perspektiven zusammenführt und oft qualitativ bessere Ergebnisse liefert, allerdings eher als Experiment gedacht ist und lokal mit verschiedenen Modell-APIs betrieben wird.

Zitat von jensche

lokal mit verschiedenen Modell-APIs betrieben wird.

... was dann natürlich schnell ins Geld gehen kann, wenn die anfangen in einen Dialog zu gehen. 🥲

Perplexity geht ja auch den Weg in den Pro Modellen und integriert selbst Claude und glaub Gemini (nicht ganz sincher)…

Aber grundsätzlich ist das übergreifende Zusammenarbeiten von verschiedenen LLMs nur vorteilhaft

Hmm... nicht, dass ich es tatsächlich benutzt hätte, aber... Tschüss Sora: OpenAI stellt Videogenerator-App ein

Zitat von Mia

Aber grundsätzlich ist das übergreifende Zusammenarbeiten von verschiedenen LLMs nur vorteilhaft

Das schaut mir schon ein sehr nach einer "Philosophischier-Gruppe", wenn ich mir die "Haluz" von mehreren und dann noch kombiniert anschauen und verifizieren muss...

Ich denke für strukturierte und logische Aufgaben (Coding, Kausalitäten) Audio, Video sind spezialisierte LLMs schon sehr sehr gut. Aber ein echte und zuverlässige Conglusio, wie sie echte Experten mit echter Erfahrung machen, da brauch es m. E. noch ein paar Trainings-Epochen...

Zitat von Holger

Hmm... nicht, dass ich es tatsächlich benutzt hätte, aber..

Sich auf ein Modell zu fixieren wird dem volatilen Charakter LLM-Services und ihrer Anbieter aktuell haben sicher eh nicht gerecht...

Zitat von djiwondee

Ich denke für strukturierte und logische Aufgaben (Coding, Kausalitäten) Audio, Video sind spezialisierte LLMs schon sehr sehr gut.

Also es ist eine ganze Weile her, dass ich etwas dazu gesehen habe. Aber damals war gerade Logik eine der großen Schwächen der LLMs.

Gestern noch Schwächen, morgen schon absolut genial.

Der Fortschritt ist so rasant, da darf man nicht über das Nachdenken oder dran festhalten, was in der Vergangenheit mal war.

Denn alles was man vor kurzem noch bemängelt hat, muss ganz schnell negiert werden

Ja, deswegen der temporale Hinweis 😂

Habt ihr denn die Erfahrung tatsächlich gemacht, dass die Modelle in der Hinsicht besser geworden sind? Wenn ja, welche genau?

Mia Bin nicht sicher, ob dein Kommentar allgemein auf die schnelle Entwicklung bezogen war oder auch sagen sollte, dass sich im Bereich der Logik Einiges getan hat.

Zitat von BenSisko

Bin nicht sicher, ob dein Kommentar allgemein auf die schnelle Entwicklung bezogen war oder auch sagen sollte, dass sich im Bereich der Logik Einiges getan hat.

Sowohl als auch.

In meinem Bereich ist Schaltungslogik relevant. Also das einfache Wenn-Dann-Sonst Prinzip. Anfangs Haben mir die LLMs da noch viele Logikfehler ausgegeben. Es hat aber nicht lange gedauert, bis solche Fehler beseitigt wurden und es meist (nahezu) fehlerfreie Ergebnisse liefert.