ZDNET ನ ಪ್ರಮುಖ ಟೇಕ್‌ಅವೇಗಳು
- Nvidia RTX ಸ್ಪಾರ್ಕ್ ಆರ್ಕಿಟೆಕ್ಚರ್‌ನಲ್ಲಿ ನಿರ್ಮಿಸಲಾದ PC ಗಳು AI ಕಾರ್ಯಗಳಲ್ಲಿ ಅದ್ಭುತವಾಗಿದೆ.
- ಸ್ಥಳೀಯ ಮುಕ್ತ-ತೂಕದ ಮಾದರಿಯನ್ನು ಚಾಲನೆ ಮಾಡುವುದು ಪ್ರತಿ-ಟೋಕನ್ ಶುಲ್ಕಗಳು ಅಥವಾ ಬಳಕೆಯ ಮಿತಿಗಳನ್ನು ಹೊಂದಿಲ್ಲ.
- ಸ್ಥಳೀಯ AI ಮಾದರಿಯನ್ನು ಚಲಾಯಿಸುವ ದೊಡ್ಡ ಪ್ರಯೋಜನವೆಂದರೆ ಗೌಪ್ಯತೆ.
ಪಿಸಿ ಯುಗದ ಮುಂಜಾನೆ, ಪಿಸಿ ಮ್ಯಾಗಜೀನ್‌ನ ಪ್ರಸಿದ್ಧ ಸಂಪಾದಕ ಬಿಲ್ ಮ್ಯಾಕ್ರೋನ್ ಮ್ಯಾಕ್ರೋನ್ಸ್ ಕಾನೂನೊಂದಿಗೆ ಬಂದರು: “ನೀವು ಬಯಸುವ ಯಂತ್ರವು ಯಾವಾಗಲೂ ಸುಮಾರು $5,000 ವೆಚ್ಚವಾಗುತ್ತದೆ.” ಪ್ರಸ್ತುತ RAM ಬಿಕ್ಕಟ್ಟಿನಿಂದಾಗಿ ಆ ಸಂಖ್ಯೆಯು ಇಂದು ಸ್ವಲ್ಪ ಹೆಚ್ಚಿರಬಹುದು, ಆದರೆ ಹಣದುಬ್ಬರಕ್ಕೆ ಸರಿಹೊಂದಿಸಲ್ಪಟ್ಟಿದೆ, ಮ್ಯಾಕ್ರೋನ್ ಕಾನೂನು ಇನ್ನೂ ನಿಜವಾಗಿದೆ. ಪುರಾವೆ? ನಾನು ಇದೀಗ ನನ್ನ ಮೇಜಿನ ಮೇಲೆ $7,000 ನೋಟ್‌ಬುಕ್ ಪಿಸಿಯನ್ನು ಹೊಂದಿದ್ದೇನೆ ಮತ್ತು ನಾನು ನಿಜವಾಗಿ ಒಪ್ಪಿಕೊಳ್ಳಬೇಕು, ನಿಜವಾಗಿಯೂ ಅದನ್ನು ಬೇಕು.
ಅಲ್ಲದೆ: ನಾನು Lenovo ನ RTX ಸ್ಪಾರ್ಕ್ ಲ್ಯಾಪ್‌ಟಾಪ್ ಅನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಬಾಂಕರ್ಸ್ AI ಕೋಡಿಂಗ್ ಪರೀಕ್ಷೆಯ ಮೂಲಕ ಇರಿಸಿದೆ – ಮತ್ತು ಅದು ಉತ್ತೀರ್ಣವಾಗಿದೆ
HP OmniBook ಅಲ್ಟ್ರಾ ಒಂದು ಸಂಪೂರ್ಣ ಪ್ರಾಣಿಯಾಗಿದೆ. ಇದು 128 GB ಏಕೀಕೃತ ಮೆಮೊರಿ, 2 TB ವೇಗದ Gen5 NVMe ಸಂಗ್ರಹಣೆ ಮತ್ತು ಉತ್ತಮವಾಗಿ ಕಾಣುವ 16-ಇಂಚಿನ OLED ಡಿಸ್ಪ್ಲೇಯೊಂದಿಗೆ Nvidia ನ RTX ಸ್ಪಾರ್ಕ್‌ನಿಂದ ಚಾಲಿತವಾಗಿದೆ. ಇದು ಸುಮಾರು ಐದು ಪೌಂಡ್‌ಗಳಷ್ಟು ತೂಗುತ್ತದೆ, ಆದರೆ ಇದು ನಿಜವಾಗಿಯೂ ಪೋರ್ಟಬಲ್ PC ಅಲ್ಲ, ಏಕೆಂದರೆ ಇದು ವೈಯಕ್ತಿಕ ಡೇಟಾ ಕೇಂದ್ರವಾಗಿದ್ದು, FP4 AI ಕಾರ್ಯಕ್ಷಮತೆಯ 1 ಪೆಟಾಫ್ಲಾಪ್ ಅನ್ನು ನೀಡುತ್ತದೆ.
ನಾನು ಈ PC ಗಾಗಿ ಗುರಿ ಮಾರುಕಟ್ಟೆಯಲ್ಲ. ಆದರೆ ಕೆಲವು ವಾರಗಳ ಕಾಲ ಅದನ್ನು ಬಳಸಿದ ನಂತರ, ನಾನು ಗಂಭೀರವಾಗಿ ಪ್ರಲೋಭನೆಗೆ ಒಳಗಾಗಿದ್ದೇನೆ. AI-ಸಂಬಂಧಿತ ಕೆಲಸಕ್ಕಾಗಿ, ಅದರ GPU ಉದ್ಯಾನ-ವೈವಿಧ್ಯತೆಯ Copilot+ PC ಗಿಂತ ಹಲವು ಪಟ್ಟು ಶಕ್ತಿಯನ್ನು ಹೊಂದಿದೆ ಮತ್ತು ಇದು ಏಕೀಕೃತ ಮೆಮೊರಿಯ ಸಂಪೂರ್ಣ ಪ್ರಯೋಜನವನ್ನು ಪಡೆಯಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.
ನನ್ನ ಯೋಜನೆಯ ಮೂಲಕ ಸ್ಥಳೀಯ AI ಹೇಗೆ ಓಡಿದೆ
ನನ್ನ ಪ್ರಾಜೆಕ್ಟ್ ಇಷ್ಟು ಬೇಗ ಪೂರ್ಣಗೊಂಡ ಒಂದು ಕಾರಣವೆಂದರೆ ನಾನು ಅದನ್ನು ತಡೆರಹಿತವಾಗಿ ಚಲಾಯಿಸಲು ಸಾಧ್ಯವಾಯಿತು. ಓಪನ್ ಸೋರ್ಸ್ llama.cpp ಅನುಮಿತಿ ರನ್‌ಟೈಮ್, ತೆರೆದ ತೂಕದ Qwen3.8-27B ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿ ಮತ್ತು ವಿಷುಯಲ್ ಸ್ಟುಡಿಯೋ ಕೋಡ್‌ನಲ್ಲಿ ವಿಸ್ತರಣೆಯಾಗಿ ಚಾಲನೆಯಲ್ಲಿರುವ ಕ್ಲೈನ್ ಎಂಬ ಕೋಡಿಂಗ್ ಸರಂಜಾಮುಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಆರಂಭದಲ್ಲಿ ಕೆಲಸದ ವಾತಾವರಣವನ್ನು ಹೊಂದಿಸಲು ನನಗೆ ಸಹಾಯ ಮಾಡಲು ನಾನು Copilot ಅನ್ನು ಬಳಸಿದ್ದೇನೆ. ಕಾಪಿಲಟ್‌ನಿಂದ ಸ್ವಲ್ಪ ಹೆಚ್ಚುವರಿ ಸಹಾಯದಿಂದ, ನಾನು ಆ ಪರಿಕರಗಳನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡಿದ್ದೇನೆ, ನಾನು ಬಯಸಿದ ಅಪ್ಲಿಕೇಶನ್‌ಗಾಗಿ ವಿವರವಾದ ಸ್ಪೆಕ್ ಅನ್ನು ಬರೆದಿದ್ದೇನೆ, ಅದನ್ನು ಕ್ಲೈನ್‌ಗೆ ನೀಡಿದ್ದೇನೆ ಮತ್ತು ನಂತರ ಹೆಚ್ಚಾಗಿ ಹಿಂದೆ ನಿಂತು ನೋಡಿದೆ.
ಆ ಎಲ್ಲಾ ಘಟಕಗಳು ಏನು ಮಾಡುತ್ತಿವೆ ಎಂಬುದರ ಕುರಿತು ನಾನು ಉತ್ತಮವಾದ ಸಾಮಾನ್ಯ ಕಲ್ಪನೆಯನ್ನು ಹೊಂದಿದ್ದೇನೆ, ಆದರೆ ಎಲ್ಲವನ್ನೂ ಹೊಂದಿಸಲು ಮತ್ತು ಚಾಲನೆಯಲ್ಲಿಡಲು ನನಗೆ ವಾರಗಟ್ಟಲೆ ಓದುವಿಕೆ, ಅಧ್ಯಯನ ಮತ್ತು ಪ್ರಯೋಗ-ಮತ್ತು-ದೋಷ ಕೈಪಿಡಿ ಸ್ಥಾಪನೆಯನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. Copilot ಬರೆದ ಪವರ್‌ಶೆಲ್ ಸ್ಕ್ರಿಪ್ಟ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು, ನಾನು ಅರ್ಧ ಗಂಟೆಯೊಳಗೆ ಯೋಜನೆಯನ್ನು ಪ್ರಾರಂಭಿಸಿದೆ.
ಯೋಜನೆಯು ಚಾಲನೆಯಲ್ಲಿರುವಂತೆ, ನಾನು ನೈಜ ಸಮಯದಲ್ಲಿ AI “ಕಾರಣ” ವನ್ನು ವೀಕ್ಷಿಸಲು ಸಿಕ್ಕಿತು. ಪ್ರತಿ ಬಾರಿ ಏನನ್ನಾದರೂ ಅನುಮೋದಿಸಲು ಅದು ನನ್ನನ್ನು ಕೇಳುತ್ತದೆ, ಆದರೆ ಹೆಚ್ಚಾಗಿ ಅದು ಕೋಡ್ ಅನ್ನು ಬರೆಯುತ್ತದೆ, ಪರೀಕ್ಷೆಗಳನ್ನು ನಡೆಸಿತು, ಫಲಿತಾಂಶಗಳನ್ನು ಗಮನಿಸಿತು, ಕೋಡ್ ಅನ್ನು ಮಾರ್ಪಡಿಸಿತು, ಇನ್ನೂ ಕೆಲವು ಪರೀಕ್ಷೆಗಳನ್ನು ನಡೆಸಿತು, ಇತ್ಯಾದಿ. ಇಡೀ ಪ್ರಕ್ರಿಯೆಯು “ಹ್ಯೂಮನ್-ಇನ್-ದ-ಲೂಪ್ ಏಜೆಂಟಿಕ್ ಕೋಡಿಂಗ್” ನ ಪಠ್ಯಪುಸ್ತಕ ಉದಾಹರಣೆಯಾಗಿದೆ ಮತ್ತು ನಾನು ಮಾಡಬೇಕಾಗಿರುವುದು ಎಲ್ಲವೂ ಹೇಗೆ ನಡೆಯುತ್ತಿದೆ ಎಂಬುದನ್ನು ನೋಡಲು ಆಗಾಗ್ಗೆ ಪರಿಶೀಲಿಸುವುದು.
ಇದು ಕಾರ್ಯನಿರತವಾಗಿದೆ ಎಂದು ನನಗೆ ತಿಳಿದಿತ್ತು, ಏಕೆಂದರೆ LLM ಕೆಲಸ ಮಾಡುವಾಗ, ಕೋಣೆಯಾದ್ಯಂತ ಫ್ಯಾನ್ ತಿರುಗುತ್ತಿರುವುದನ್ನು ನಾನು ಕೇಳುತ್ತಿದ್ದೆ. ಆಶ್ಚರ್ಯಕರವಾಗಿ, ಯಂತ್ರವು ಎಂದಿಗೂ ಅಹಿತಕರವಾಗಿ ಬಿಸಿಯಾಗಲಿಲ್ಲ; ಇನ್ನೂ, ಲ್ಯಾಪ್‌ಟಾಪ್ ಅನ್ನು ಲ್ಯಾಪ್‌ಟಾಪ್‌ನಲ್ಲಿ ಕುಳಿತು ಮಾಡುವುದರೊಂದಿಗೆ ಉತ್ತಮವಾಗಿ ಮಾಡಲಾಗುತ್ತದೆ, ಆದರೆ ಲ್ಯಾಪ್‌ನಲ್ಲಿ ಅಲ್ಲ.
ಅಲ್ಲದೆ: ನಾನು ನನ್ನ ಹೋಮ್ PC ಗಳನ್ನು ರಿಮೋಟ್ ಆಗಿ ಉಚಿತವಾಗಿ ಪ್ರವೇಶಿಸಬಹುದು – ನೀವು ಹೇಗೆ ಮಾಡಬಹುದು (ಯಾವುದೇ VPN ಅಗತ್ಯವಿಲ್ಲ)
ಕಳೆದ ಎರಡು ವರ್ಷಗಳಿಂದ ನಾನು ಕಷ್ಟಪಟ್ಟು ನಿರ್ಮಿಸಿದ ನನ್ನ ಲೇಖನಗಳಿಗೆ ಲಿಂಕ್‌ಗಳಿಂದ ತುಂಬಿದ ಸ್ಪ್ರೆಡ್‌ಶೀಟ್ ಅನ್ನು ನಾನು LLM ಗೆ ನೀಡಿದ್ದೇನೆ. ಇದು ಆ ಪಟ್ಟಿಯಲ್ಲಿರುವ ಪ್ರತಿಯೊಂದು ಲೇಖನವನ್ನು ಹುಡುಕಲು ಮತ್ತು ಹಿಂಪಡೆಯಲು ಮಾತ್ರವಲ್ಲದೆ, ಇಂಟರ್ನೆಟ್ ಆರ್ಕೈವ್‌ನ ವೇಬ್ಯಾಕ್ ಮೆಷಿನ್‌ನಿಂದ ಸುಮಾರು 90 ಲಿಂಕ್‌ಗಳಿಗಾಗಿ ಪುಟಗಳನ್ನು ಹಿಂಪಡೆಯಲು ಪ್ರತ್ಯೇಕ ದಿನಚರಿಯನ್ನು ನಿರ್ಮಿಸಿದೆ, ಅದು 404 ದೋಷಗಳನ್ನು ಹಿಂತಿರುಗಿಸಿದೆ ಮತ್ತು ನಂತರ ಅದು ಹಿಂಪಡೆಯಲು ಸಾಧ್ಯವಾಗದ ಇನ್ನೊಂದು 90 ಅಥವಾ ಹೆಚ್ಚಿನ ಪುಟಗಳ ಪಟ್ಟಿಯನ್ನು ನನಗೆ ನೀಡಿದೆ. ಆ ಕೊನೆಯ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಶೀಲಿಸಲು ಮತ್ತು ಪರಿಹರಿಸಲು ಇದು ಬಹುಶಃ 30 ನಿಮಿಷಗಳನ್ನು ತೆಗೆದುಕೊಂಡಿತು.
ಎಲ್ಲವನ್ನೂ ಹೇಳಿದ ಮತ್ತು ಮಾಡಿದ ನಂತರ, ನಾನು ಎರಡು ಫೋಲ್ಡರ್‌ಗಳನ್ನು ಹೊಂದಿದ್ದೇನೆ, ಪ್ರತಿಯೊಂದೂ 1,951 ಫೈಲ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿದೆ – ಒಂದು ಕಚ್ಚಾ HTML ನಲ್ಲಿ, ಎರಡನೆಯದು ಮಾರ್ಕ್‌ಡೌನ್ ಸ್ವರೂಪದಲ್ಲಿ. ಮತ್ತು ಮುಚ್ಚಲು, ನನ್ನ ಸ್ಥಳೀಯ AI ಸರಳವಾದ ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ನಿರ್ಮಿಸಿದೆ, ಅದು ಪ್ರಕಟವಾದಂತೆ ಆರ್ಕೈವ್‌ಗೆ ಹೊಸ ಪೋಸ್ಟ್‌ಗಳನ್ನು ಸೇರಿಸಲು ನಾನು ರನ್ ಮಾಡಬಹುದು.
ಈ ಫಲಿತಾಂಶವು ನನಗೆ ಎಷ್ಟು ಸಂತೋಷ ತಂದಿದೆ ಎಂದು ನಾನು ನಿಮಗೆ ಹೇಳಲು ಪ್ರಾರಂಭಿಸುವುದಿಲ್ಲ.
ಎಷ್ಟು ವೆಚ್ಚವಾಯಿತು?
ಸಂಪೂರ್ಣ ಯೋಜನೆಯು 479 LLM ನಿರ್ಣಯ ಕರೆಗಳನ್ನು ಬಳಸಿದೆ ಮತ್ತು ಸುಮಾರು 50 ಮಿಲಿಯನ್ ತಾರ್ಕಿಕ ಟೋಕನ್‌ಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಿದೆ, ಒಟ್ಟು ನಿವ್ವಳ ವೆಚ್ಚ ನಿಖರವಾಗಿ $0.00.
ಈ ಆಧುನಿಕ AI ಕೋಡಿಂಗ್ ಸರಂಜಾಮುಗಳನ್ನು ಬಳಸುವ ಅತ್ಯಂತ ನಿರಾಶಾದಾಯಕ ಅಂಶವೆಂದರೆ ಅವರು ಎಷ್ಟು ಟೋಕನ್‌ಗಳನ್ನು ಬಳಸುತ್ತಾರೆ ಎಂಬುದನ್ನು ಅಂದಾಜು ಮಾಡಲು ಯಾವುದೇ ಮಾರ್ಗವಿಲ್ಲ.
ಈ ಕೆಲಸವನ್ನು ಮಾಡಲು ನಾನು ವಾಣಿಜ್ಯ AI ಚಂದಾದಾರಿಕೆಯನ್ನು ಬಳಸಬಹುದಿತ್ತು, ಆದರೆ ನಾನು ಕುರುಡನಾಗಿ ಹಾರುತ್ತಿದ್ದೆ. ಆ ಯೋಜನೆಗಳನ್ನು ಮಾರಾಟ ಮಾಡುವ ಯಾವುದೇ ಕಂಪನಿಗಳು ನೀಡಿದ ಯೋಜನೆಗೆ ಎಷ್ಟು ವೆಚ್ಚವಾಗುತ್ತದೆ ಎಂದು ಹೇಳಲು ಸಾಧ್ಯವಿಲ್ಲ. ನಿಮ್ಮ ನಿಜವಾದ ಬಳಕೆ – ಮತ್ತು ಅಂತಿಮ ಬಿಲ್ – ನೀವು ಮುಂಚಿತವಾಗಿ ತಿಳಿಯದ ಅಂಶಗಳನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ. ಏಜೆಂಟ್ ಎಷ್ಟು ಕೋಡ್ ಅನ್ನು ಸಂದರ್ಭದಲ್ಲಿ ಇರಿಸಿಕೊಳ್ಳಬೇಕು? ಇದಕ್ಕೆ ಎಷ್ಟು ಪುನರಾವರ್ತನೆಗಳು ಮತ್ತು ಡೀಬಗ್ ಮಾಡುವ ಚಕ್ರಗಳು ಬೇಕಾಗುತ್ತವೆ? ನೀವು ಯಾವ ಮಾದರಿಗಳನ್ನು ಬಳಸುತ್ತೀರಿ?
ಅಲ್ಲದೆ: ಸಂದೇಶ ಥ್ರೆಡ್‌ಗಳೊಂದಿಗೆ ಕ್ಲೌಡ್ ಕೋಡ್ ನಿಜವಾಗಿಯೂ ವೇಗವಾಗಿದೆಯೇ? ನನ್ನ ದಾಖಲೆಗಳಲ್ಲಿ ನಾನು ಗಣಿತವನ್ನು ಮಾಡಿದ್ದೇನೆ
ಚಾಟ್‌ಜಿಪಿಟಿ ಪ್ಲಸ್ (ಕೋಡೆಕ್ಸ್‌ನೊಂದಿಗೆ), ಕ್ಲೌಡ್ ಕೋಡ್ ಪ್ರೊ, ಅಥವಾ ಗಿಟ್‌ಹಬ್ ಕಾಪಿಲೋಟ್ ಎಲ್ಲವೂ ತಿಂಗಳಿಗೆ $10 ಮತ್ತು $20 ರ ನಡುವೆ ವೆಚ್ಚವಾಗುತ್ತದೆ. ಸರಳವಾದ ಕಾರ್ಯಕ್ಕಾಗಿ ಇದು ಸಾಕಷ್ಟು ಹೆಚ್ಚು, ಆದರೆ ಈ ಯೋಜನೆಗಾಗಿ, ಆ ಪ್ರವೇಶ ಮಟ್ಟದ ಯೋಜನೆಗಳೊಂದಿಗೆ ನಾನು ಶೀಘ್ರವಾಗಿ ಬಳಕೆಯ ಮಿತಿಗಳನ್ನು ಸ್ಲ್ಯಾಮ್ ಮಾಡಿದ್ದೇನೆ. ತಿಂಗಳಿಗೆ $20 ಯೋಜನೆಯೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವುದನ್ನು ಮುಂದುವರಿಸಲು, ನಾನು ಆಗಾಗ್ಗೆ ವಿರಾಮಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬೇಕಾಗಿತ್ತು ಅಥವಾ ಹೆಚ್ಚುವರಿ ಕ್ರೆಡಿಟ್‌ಗಳನ್ನು ಖರೀದಿಸಬೇಕಾಗಿತ್ತು ಅಥವಾ ChatGPT Pro, Claude Code Max ಅಥವಾ GitHub Copilot Max ನಂತಹ ಹೆಚ್ಚಿನ ಬಳಕೆಯ ಮಿತಿಗಳೊಂದಿಗೆ ಪ್ರತಿ ತಿಂಗಳಿಗೆ $100 ಯೋಜನೆಗೆ ಅಪ್‌ಗ್ರೇಡ್ ಮಾಡಬೇಕಾಗಿತ್ತು.
ಆ ಸಂಖ್ಯೆಗಳನ್ನು ದಿಟ್ಟಿಸಿ ನೋಡಿದ ನಂತರ, ಆಂಥ್ರೊಪಿಕ್, ಓಪನ್‌ಎಐ ಮತ್ತು ಮೈಕ್ರೋಸಾಫ್ಟ್‌ನ ವ್ಯವಹಾರ ಮಾದರಿಗಳು ಎಲ್ಲಿಗೆ ಹೋಗುತ್ತಿವೆ ಎಂದು ನನಗೆ ಅರ್ಥವಾಯಿತು. ತಿಂಗಳಿಗೆ $100 ಸಹ, ನಾನು ಇನ್ನೂ ಕೆಲವು ಮಹತ್ವಾಕಾಂಕ್ಷೆಯ ಯೋಜನೆಗಳನ್ನು ನಡೆಸಲು ನಿರ್ಧರಿಸಿದ್ದರೆ, ಮುಂದಿನ ಚಕ್ರವು ಪ್ರಾರಂಭವಾಗುವವರೆಗೆ ಕೆಲಸವು ಗಂಟೆಗಳು ಅಥವಾ ದಿನಗಳವರೆಗೆ ಕಾಯಬೇಕಾಗುವುದರೊಂದಿಗೆ ನಾನು ದರ-ಮಿತಿಯನ್ನು ಸುಲಭವಾಗಿ ಕಂಡುಕೊಳ್ಳಬಹುದು.
ಗಂಭೀರ ಕೋಡರ್‌ಗಳಿಗೆ, ಆ ಬಿಲ್‌ಗಳು ತುಂಬಾ ಬೆಲೆಬಾಳುತ್ತವೆ. ನಿಲಯ್ ಪಟೇಲ್ ಅವರ ಡಿಕೋಡರ್ ಪಾಡ್‌ಕ್ಯಾಸ್ಟ್‌ನ ಇತ್ತೀಚಿನ ಸಂಚಿಕೆಯಲ್ಲಿ, ವಿಶ್ಲೇಷಕ ಜೋಯ್ ಬ್ರೂಕ್‌ಹಾರ್ಟ್ ಆಶ್ಚರ್ಯಕರ ಅಂಕಿಅಂಶವನ್ನು ನೀಡಿದರು: “ಕ್ಲಾಡ್ ಕೋಡ್ ಬಳಕೆದಾರರಲ್ಲಿ ಅಗ್ರ 5 ಪ್ರತಿಶತದಷ್ಟು ಜನರು ವರ್ಷಕ್ಕೆ ಸರಾಸರಿ $18,000 ಖರ್ಚು ಮಾಡುತ್ತಿದ್ದಾರೆ. ಕ್ಲೌಡ್ ಅಲ್ಲದ ಬಳಕೆದಾರರು ತಿಂಗಳಿಗೆ $75 ಕ್ಕಿಂತ ಕಡಿಮೆ ಖರ್ಚು ಮಾಡುತ್ತಾರೆ.”
ಏಕೆಂದು ಈಗ ನನಗೆ ತಿಳಿದಿದೆ.
ಎಲ್ಲಕ್ಕಿಂತ ದೊಡ್ಡ ಲಾಭ
ಮುಕ್ತ-ಮೂಲ ಕೋಡಿಂಗ್ ಸರಂಜಾಮು ಹೊಂದಿರುವ ಉಚಿತ, ಮುಕ್ತ-ತೂಕದ ಮಾದರಿಯನ್ನು ಬಳಸುವುದು ಬಿಲ್ ಬಗ್ಗೆ ಚಿಂತಿಸದೆ ಪ್ರಯೋಗ ಮಾಡಲು ನಿಮಗೆ ಸ್ವಾತಂತ್ರ್ಯವನ್ನು ನೀಡುತ್ತದೆ. ಆದರೆ ಅದು ಕಥೆಯ ಭಾಗ ಮಾತ್ರ. ನೀವು ಬೇರೊಬ್ಬರ ಕ್ಲೌಡ್‌ಗೆ ಸಂಭಾವ್ಯವಾಗಿ ಸೂಕ್ಷ್ಮ ಅಥವಾ ಗೌಪ್ಯ ಡೇಟಾವನ್ನು ಕಳುಹಿಸುತ್ತಿಲ್ಲ ಎಂಬುದು ದೊಡ್ಡ ಪ್ರಯೋಜನವಾಗಿದೆ; ಸಂಪೂರ್ಣ ಸ್ಥಳೀಯ AI ಸ್ಟಾಕ್‌ನೊಂದಿಗೆ, ನಿಮ್ಮ ಪ್ರಾಂಪ್ಟ್‌ಗಳು, ಡಾಕ್ಯುಮೆಂಟ್‌ಗಳು ಮತ್ತು ಅನುಮಿತಿಯ ಕೆಲಸದ ಹೊರೆಗಳು PC ಅನ್ನು ಬಿಡಬೇಕಾಗಿಲ್ಲ.
ವೆಬ್‌ನಲ್ಲಿ ಈಗಾಗಲೇ ಪ್ರಕಟಿಸಲಾದ ವಿಷಯವನ್ನು ಬಳಸಿದ ನನ್ನ ಪ್ರಾಜೆಕ್ಟ್‌ಗೆ ಅದು ದೊಡ್ಡ ವಿಷಯವಲ್ಲ. ಆದರೆ ನಾನು ಒಂದೆರಡು ಇತರ ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ಮನಸ್ಸಿನಲ್ಲಿಟ್ಟುಕೊಂಡಿದ್ದೇನೆ, ಅವುಗಳು ಸಿದ್ಧವಾಗುವವರೆಗೆ ನಾನು ಯಾರೊಂದಿಗೂ ಹಂಚಿಕೊಳ್ಳುವುದಿಲ್ಲ. ಹಣಕಾಸು ದಾಖಲೆಗಳು, ಕ್ರೆಡಿಟ್ ಕಾರ್ಡ್ ಹೇಳಿಕೆಗಳು ಮತ್ತು ಇನ್ವಾಯ್ಸ್ಗಳ ದೊಡ್ಡ ಸ್ಟಾಕ್ ಅನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ನನ್ನ ಸ್ವಂತ PC ಯಲ್ಲಿ ಆ ಡೇಟಾವನ್ನು LLM ಗೆ ಫೀಡ್ ಮಾಡಲು ನನಗೆ ಸಂತೋಷವಾಗಿದೆ, ಆದರೆ ಆ ಡಾಕ್ಯುಮೆಂಟ್‌ಗಳನ್ನು ಕ್ಲೌಡ್-ಹೋಸ್ಟ್ ಮಾಡಿದ ಕೋಡಿಂಗ್ ಸೇವೆಗೆ ಅಪ್‌ಲೋಡ್ ಮಾಡಲು ನನಗೆ ಆರಾಮದಾಯಕವಲ್ಲ.
ಅಲ್ಲದೆ: ಈ ಉಚಿತ ವಿಂಡೋಸ್ ಉಪಕರಣವು ಹೊಸ ಪಿಸಿಗಳನ್ನು ಹೊಂದಿಸಲು ನನ್ನ ರಹಸ್ಯ ಅಸ್ತ್ರವಾಗಿದೆ
ಪಿಸಿಯಲ್ಲಿ $7,000 ಖರ್ಚು ಮಾಡುವುದನ್ನು ಸಮರ್ಥಿಸಲು ನಾನು ಈ ರೀತಿಯ ಕೆಲಸವನ್ನು ಸಾಕಷ್ಟು ಮಾಡುತ್ತೇನೆಯೇ? ನಾನು ಹೌದು ಎಂದು ಹೇಳಲು ಇಷ್ಟಪಡುತ್ತೇನೆ, ಆದರೆ ನನ್ನ CPA ಕೇವಲ ಒಂದು ಪೂರ್ಣ ನಿಮಿಷ ನನ್ನನ್ನು ದಿಟ್ಟಿಸಿ ನೋಡುತ್ತದೆ ಮತ್ತು “ಹೂಡಿಕೆಯ ಮೇಲಿನ ಲಾಭ” ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಎಂಬುದನ್ನು ತಾಳ್ಮೆಯಿಂದ ವಿವರಿಸುತ್ತದೆ. “ಇಲ್ಲ, ಎಡ್, ನೀವು ಈ ವೆಚ್ಚವನ್ನು ಸಮರ್ಥಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ.”
ಒಳ್ಳೆಯ ಸುದ್ದಿ ಏನೆಂದರೆ, ಮ್ಯಾಕ್ರೋನ್‌ನ ಕಾನೂನು ಮೂರ್‌ನ ಕಾನೂನಿನೊಂದಿಗೆ ಕೈಜೋಡಿಸುತ್ತದೆ, ಇದು ವಿಶ್ವಾಸಾರ್ಹ ತಂತ್ರಜ್ಞಾನದ ಪ್ರವೃತ್ತಿಯನ್ನು ವಿವರಿಸುತ್ತದೆ: ಕಂಪ್ಯೂಟಿಂಗ್ ಶಕ್ತಿಯು ಪ್ರತಿ 18 ತಿಂಗಳಿಗೊಮ್ಮೆ ದ್ವಿಗುಣಗೊಳ್ಳುತ್ತದೆ. ಅಂದರೆ ಇನ್ನೊಂದು ಮೂರು ವರ್ಷಗಳಲ್ಲಿ ನಾನು $7,000 ಗೆ ನಾಲ್ಕು ಪಟ್ಟು ಹೆಚ್ಚು ಕಂಪ್ಯೂಟಿಂಗ್ ಪವರ್‌ನೊಂದಿಗೆ PC ಯ ಮೇಲೆ ಜೊಲ್ಲು ಸುರಿಸಬಲ್ಲೆ. ಆದರೆ ಆ ಹೊತ್ತಿಗೆ ಈ HP OmniBook Ultra ನಂತಹ ಸಂರಚನೆಯು ಪ್ರಾಯಶಃ ಮುಖ್ಯವಾಹಿನಿಯ ವ್ಯಾಪಾರ-ವರ್ಗದ ಯಂತ್ರವಾಗಿದ್ದು, ಅದರ ಪ್ರಸ್ತುತ ಬೆಲೆಯ ಒಂದು ಭಾಗಕ್ಕೆ ಲಭ್ಯವಿದೆ.
ಅಲ್ಲಿಯವರೆಗೆ, ನಾನು ಕಾಯುತ್ತೇನೆ.
ಸಂಪೂರ್ಣ ಬಯೋ ನೋಡಿ
