釋放開發者創意:GitHub 模型促進生成式 AI 的實驗與創新

GitHub 對於開發中的人工智慧 (AI) 並不陌生,但直到現在,開發者要接觸和實驗新的生成式 AI 模型仍然面臨挑戰。今天,GitHub Models 的推出改變了這一現狀。

GitHub Models 旨在簡化企業開發者探索和構建生成式 AI 應用的過程。作為 AI 領域的先驅,GitHub Copilot 提供代碼補全和建議服務,現在 GitHub 正在擴展其產品線。雖然 Copilot 依賴於精心策劃的單一模型,但 GitHub Models 則提供多樣的 AI 模型,包括 Meta 的 Llama 3.1、OpenAI 的 GPT-4o、Mistral Large 2、AI21 的 Jamba-Instruct、Microsoft Phi-3 及 Cohere 的模型。

其目標是使用戶能夠實驗並將生成式 AI 模型整合到他們的應用中,超越單純的代碼輔助。

“未來幾個月和幾年內創建的每個應用都很可能會融入智能,”GitHub 產品高級副總裁 Mario Rodriguez 表示。“擁有智能驅動的應用已成為當前的必需。”

減少 AI 整合挑戰

GitHub Models 的主要目標之一是消除開發者在實驗 AI 過程中所面臨的障礙。之前,開發者需要在多個網站之間穿梭,並創建多個帳戶來訪問不同的模型。GitHub 希望通過允許用戶在其現有的 GitHub 身份下無縫探索和利用各種生成式 AI 模型,來簡化這一過程。

“我們希望讓這一過程變得簡單明瞭。AI 不是一個趨勢,它已經來到我們身邊,”Rodriguez 強調說。“為促進這一市場的增長,我們必須徹底消除摩擦。”

企業 AI 部署的通道

GitHub Models 不僅促進實驗,還提供從開發到 AI 驅動應用的生產部署的清晰路徑,並將用戶與 Microsoft Azure 連接,GitHub 的母公司。

用戶可以先在 GitHub Models 測試平台上測試 AI 模型,以評估其性能。滿意後,他們可以過渡到 GitHub Codespace 或 VS Code 環境,利用 Azure SDK 獲取必要的令牌和 API 金鑰,以存取 Azure 服務。

通過實驗克服企業 AI 挑戰

而在企業 AI 部署之路上,還面臨一些關鍵挑戰。Rodriguez 指出了三個重要問題:延遲、回應品質和成本。GitHub Models 致力於支持開發者克服這些障礙,提供一個專門的環境用於測試和比較。

儘管針對各種生成式 AI 模型的行業基準提供了一定的洞見,Rodriguez 強調了線上與線下評估的重要性,以做出明智的決策。

總之,GitHub Models 將透過提供可訪問的 AI 工具以及無縫整合生成式 AI 進入實際應用的途徑,以提升開發者的體驗。

Most people like

Find AI tools in YBX