फोबी एन्कोडिंग तुमची योग्य मानसिकता असेल तेव्हा खूप मजा येते. एखादी चांगली कल्पना असण्यासाठी एखाद्या अभियंत्याची गरज नाही जी काहीतरी उत्कृष्ट बनू शकते आणि यामुळेच केवळ नैसर्गिक भाषेचा वापर करून ॲप्स तयार करणे इतके आकर्षक बनते — कोणीही त्यात प्रभुत्व मिळवू शकतो. हे करून मी स्वतः बऱ्याच प्रमाणात प्रोग्रामिंगमध्ये गुंतले आहे इव्हेंट कॅलेंडर आणि रिप्ले बालपणीचे व्हिडिओ गेम माझ्या वेब ब्राउझरमध्ये, फक्त ए सह चॅट करून चॅटबॉटपण मला माहित आहे की मी पृष्ठभागावर अगदीच स्क्रॅच केले आहे.
तुम्ही वापरत असलेल्या मॉडेलचा प्रकल्पाच्या आउटपुटच्या गुणवत्तेवर मोठा प्रभाव पडतो आणि मी हे प्रत्यक्ष पाहिले आहे. मला हे पहायचे होते की “विचार” मॉडेलशी कसे हलके मॉडेल तुलना करतात, जसे की Google आणि OpenAI त्यांचा संदर्भ घेतात. हे फिकट मॉडेल नावात भिन्न आहेत: Google चा जेमिनी इंटरफेस त्याला फास्ट म्हणतो (जरी मॉडेलला प्रत्यक्षात, उदाहरणार्थ, जेमिनी 2.5 फ्लॅश असे म्हणतात), तर OpenAI त्याला क्षण म्हणतात.
डायनॅमिक प्रोग्रामिंगमधील प्रत्येक नमुना कसा वेगळा आहे हे समजून घेण्यासाठी मी एक प्रयोग केला. प्रथम, मी जेमिनी थिंकिंग मॉडेल – जेमिनी 3 प्रो – वापरून एक प्रकल्प तयार करून सुरुवात केली आणि मला पहायचे होते की मी मागील प्रकल्पातील समान प्रॉम्प्ट वापरून क्विक मॉडेलसह समान प्रकल्पाची प्रतिकृती बनवू शकतो का. प्रत्येक फॉर्मसाठी उत्तरांची हमी देण्याचा कोणताही मार्ग नसल्यामुळे, मला माहित होते की मतभेद असतील आणि संभाषणे बंद होतील, परंतु बहुतेक भागांसाठी, मी शक्य होईल तेव्हा संभाषणे समान ठेवण्याचा प्रयत्न केला.
या चाचणीच्या वेळी, वेगवान मॉडेल जेमिनी 2.5 फ्लॅश होते. मला शेवटचे परिणाम वेगळे असण्याची अपेक्षा होती, आणि ते होते, पण माझ्या अपेक्षेइतके नव्हते. प्रत्येक मॉडेलसह मी A ते Z पर्यंत कसे गेलो ते वेगळे होते.
माझ्याकडे या प्रयोगासाठी प्रेरणा नव्हती, म्हणून मी ते फक्त मिथुनला ऑफलोड केले. मी त्याला मनोरंजक प्रोग्रामिंग प्रकल्पांसह येण्यास सांगितले ज्यावर मी काम करू शकलो आणि मी “ट्रॉफी डिस्प्ले केस” नावाचा एक निवडला. मी जिमिनीला पुरस्कारांऐवजी हॉरर चित्रपटांची यादी प्रदर्शित करण्यास आणि पोस्टरवर क्लिक केल्यावर त्यांच्याबद्दल अधिक माहिती देण्यास सांगितले. या आवश्यकतांच्या पलीकडे, दोन्ही मिथुन मॉडेलना सर्जनशील नियंत्रण दिले गेले.
आमची कोणतीही निष्पक्ष तांत्रिक सामग्री आणि प्रयोगशाळेची पुनरावलोकने चुकवू नका. CNET जोडा Google चा पसंतीचा स्रोत म्हणून.
फास्ट एआय मॉडेल्स वि. थिंकिंग मॉडेल्स: फरक काय आहे?
जर Google ने आम्हाला फ्लॅश आणि प्रो मॉडेल्समध्ये एक पर्याय दिला तर ते खूप वेगळे असले पाहिजेत, बरोबर? होय आणि नाही. ते दोन्ही प्रमुख भाषिक मॉडेल आहेत, परंतु ते वेगळ्या पद्धतीने कार्य करतात. दैनंदिन वापरकर्त्यासाठी, “वेगवान” आणि “विचार” या दोनमधील फरक चांगल्या प्रकारे परिभाषित करतात: वेग वि. खोली.
अनुमान मॉडेल हे एक एलएलएम आहे जे अंतिम आउटपुट तयार करण्यापूर्वी जटिल समस्यांना लहान चरणांमध्ये विभाजित करण्यासाठी बारीक-ट्यून केले गेले आहे. हे तार्किक विचार मार्गांची अंतर्गत मालिका आयोजित करून केले जाते. जेमिनी 2.5 फ्लॅश आणि जेमिनी 3 प्रो हे दोन्ही तार्किक मॉडेल आहेत, परंतु जेमिनी 2.5 फ्लॅश एक संकरित दृष्टीकोन घेते: ते वेग आणि विचारशीलता यांच्यात संतुलन प्रदान करते.
जेमिनी 3 प्रो हे सर्वात शक्तिशाली विचार मॉडेल आहे, उत्तरे शोधण्यासाठी खोल डायविंगसाठी ऑप्टिमाइझ केलेले आहे. परिणामी, ते 2.5 फ्लॅश सारख्या अधिक कार्यक्षम मॉडेलपेक्षा हळू आहे. त्यानंतर गुगलने ते प्रसिद्ध केले आहे मिथुन 3 फ्लॅशअधिक शक्तिशाली बेस मॉडेल ज्याने 2.5 फ्लॅशची जागा घेतली. जेमिनी 3 प्रो हे बहुतेक लोकांसाठी उपलब्ध असलेले सर्वात शक्तिशाली मिथुन विचार मॉडेल राहिले आहे.
जेमिनी 3 प्रो मॉडेलने बहुतेक काम केले
जेमिनी 3 प्रो द्वारे तयार केलेला अंतिम प्रकल्प परिपूर्ण नव्हता, परंतु तो माझ्या मूळ कल्पनेपेक्षा चांगला होता आणि जेमिनी 2.5 फ्लॅशने जे काही तयार केले त्यापेक्षा एक मैल पुढे होता.
जेमिनी 3 प्रो वापरून, मी एक लँडिंग पृष्ठ तयार करू शकलो जे माझ्या यादीतील चित्रपट प्रदर्शित करते, पोस्टर प्रतिमांनी पूर्ण होते आणि जेव्हा तुम्ही शीर्षकावर क्लिक कराल, तेव्हा पृष्ठ उघडेल आणि अतिरिक्त माहिती प्रकट करेल, तसेच YouTube वर ट्रेलर पाहण्यासाठी एक लिंक मिळेल. प्रकल्प क्लिष्ट नव्हता, परंतु मला वाटेत अनेक समस्या आणि बगचा सामना करावा लागला.
मला मूळत: पृष्ठावर ट्रेलर एम्बेड करायचे होते, परंतु जेमिनी दुरुस्त करू शकत नसलेल्या त्रुटींची तक्रार करत राहिली, म्हणून मी YouTube वर ट्रेलर पाहण्यासाठी फक्त लिंक केलेली प्रतिमा देऊन ते परत केले. तो चांगला होता, पण मला पाहिजे त्यापेक्षा कमी गुळगुळीत अनुभव. तथापि, मी जेमिनी 3 प्रो ने या वैशिष्ट्यासह असलेल्या विशिष्ट समस्यांचे तपशीलवार वर्णन केले आणि मला ते रद्द करण्याचा निर्णय घेण्याची परवानगी दिली याचे कौतुक केले.
Gemini 3 Pro ने अनेक वेळा निराकरण करण्याचा प्रयत्न केलेला आणखी एक मुद्दा म्हणजे तो लेयरिंग समस्या म्हणून वर्णन करतो. तुम्ही पोस्टरवर क्लिक केल्यावर, चित्रपटाच्या तपशीलांसह एक पॉप-अप विंडो प्रदर्शित होईल, तसेच त्या दृश्यातून बाहेर पडण्यासाठी एक लहान बटण प्रदर्शित होईल, जरी ते कधीही कार्य करत नाही. मी मिथुनला चार वेळा समस्येचे निराकरण करण्यास सांगितले आणि ती शेवटची विनंती होईपर्यंत समस्येचे निराकरण करण्यात अयशस्वी झाले. जेमिनी यांनी सामान्यतः कोडसह ते काय करत होते हे स्पष्ट केले, परंतु जास्त तपशीलात गेले नाही, जरी मला वाटते की तुम्ही विचारले असते तर त्यांनी तपशील प्रदान केला असता.
मूळ प्रकल्प हा चित्रपटांच्या संग्रहाचे प्रदर्शन करण्याचा आणि त्यांच्याबद्दल अधिक माहिती मिळविण्याचा एक मार्ग होता. त्यापलीकडे, मी डिझाइन किंवा वेब ॲप मनोरंजक बनवण्याच्या मार्गांबद्दल काहीही विचार केला नाही आणि त्या क्षेत्रात जेमिनी 3 प्रो उपयुक्त आहे. जेव्हा मी विचारले की मी ॲप कसे सुधारू शकतो, डिझाइन आणि वैशिष्ट्यांच्या बाबतीत, त्याने चित्रपटांमध्ये 3D व्हील प्रभाव आणि यादृच्छिक निवड पर्याय जोडण्याचे सुचवले.
या प्रकल्पासाठी अंदाजे 20 पुनरावृत्ती झाली. अंतिम उत्पादन मिळू शकेल तितके चांगले होते आणि तो एक मजेदार प्रकल्प होता, परंतु अशा समस्या होत्या ज्यांचे निराकरण करण्यात मिथुन अनेकदा अयशस्वी झाले. अंतिम उत्पादनाने माझ्या अपेक्षेपेक्षा जास्त केले, म्हणून मी त्यात आनंदी होतो. परंतु मला आलेल्या सर्व समस्यांसह, मी विचार करू लागलो की जेमिनी रॅपिड मॉडेल समान प्रकल्प कसे हाताळेल.
Gemini 2.5 Flash सह Vibe प्रोग्रामिंग करणे अधिक मॅन्युअल आहे
आश्चर्याची गोष्ट म्हणजे, “क्विक” मॉडेल वापरणे जेमिनी 3 प्रो पेक्षा वेगवान होते, परंतु बहुतेक भागांसाठी, या मॉडेलने प्रकल्पासाठी उपायांसह येण्यासाठी अधिक मॅन्युअल दृष्टिकोन सुचवले. AI ने त्वरीत काम केले, परंतु त्याने माझ्यासाठी अधिक-आणि हळू-काम निर्माण केले.
उदाहरणार्थ, मला वेब ॲपने सूचीतील प्रत्येक चित्रपटाचे पोस्टर आणि सारांश प्रदर्शित करायचे होते, परंतु ही माहिती कशी तयार करावी याबद्दल मी कधीही विचार केला नाही. मला विशेष न विचारता, जेमिनी 3 प्रो ने सुचवले की मी The Movie Database चे सदस्यत्व घेऊ शकेन आणि ते तपशील आपोआप खेचण्यासाठी API की मिळवू शकेन, जिथे Gemini 2.5 Flash ने मुळात मला प्रतिमा “पकडायला” आणि तिथून जाण्यास सांगितले. मला ते फोटो कसे मिळाले हे माझ्यावर अवलंबून आहे.
जेमिनी 2.5 फ्लॅश कधीकधी जेमिनी 3 प्रोच्या तुलनेत जवळजवळ आळशी वाटतो. तुम्हाला विचारल्याशिवाय जेमिनी प्रो मॉडेल काही गोष्टी करेल, परंतु फ्लॅशला अधिक विशिष्ट प्रॉम्प्ट आवश्यक आहे. काहीवेळा, मला असे वाटले की मी अशा मुलाला प्रवृत्त करत आहे ज्याने सूचना ऐकल्या परंतु त्याची कामे जाणूनबुजून टाळली.
अनेक प्रकरणांमध्ये, मी जेमिनी 2.5 फ्लॅशला बदल करण्यास सांगितल्यानंतर, त्याने तसे केले आणि अद्यतनित कोड प्रदान केला, परंतु केवळ सुधारित केलेल्या विशिष्ट विभागासाठी. मग तो मला जुना कोड नवीन कोडने बदलण्यास सांगेल. आपण काय पहात आहात हे आपल्याला माहित असल्यास, कोडचा एक विभाग दुसऱ्याने बदलणे ही कदाचित मोठी गोष्ट नाही, परंतु ते डायनॅमिक कोडिंग आहे आणि आपल्याला कोड कोठे ठेवायचे हे माहित नसल्यास, हे खरोखर सोपे काम असले तरीही, ते काही लोकांना त्यांच्या ट्रॅकमध्ये थांबवू शकते. ती वातावरण स्वच्छ करू शकते.
शिवाय, जेमिनी 2.5 फ्लॅशने फक्त मला चित्रपटाच्या पोस्टर प्रतिमा आणि अतिरिक्त तपशील “मिळवा” असे सुचवले. त्यामुळे, दोन्ही प्रोजेक्ट्समध्ये (जे सर्वोत्कृष्ट, सैल होते) फक्त समान प्रॉम्प्ट वापरण्यासाठी प्रयोगाच्या पॅरामीटर्सची मर्यादा मोडत असताना, मी जेमिनी 2.5 फ्लॅशला मूव्ही डेटाबेसमध्ये एपीआय की जोडण्याच्या कल्पनेबद्दल काय वाटले हे विचारण्याचे ठरवले. त्याने कल्पनेचे स्वागत केले आणि मला कळ कुठे जोडायची ते सांगितले. त्याऐवजी, मी दिलेली की जोडण्यासाठी मी फॉर्मला सांगितले. त्याने स्विच जोडला, परंतु जेव्हा मी वेब ॲप चालवला, तेव्हा ते प्रत्यक्षात मी सूचीबद्ध केलेल्या चित्रपटांमधून पोस्टर प्रतिमा काढत नव्हते, म्हणून मला ते पुन्हा दुरुस्त करण्यास सांगावे लागले. “तुमच्या मूळ सूचीमधील प्रत्येक चित्रपटासाठी अचूक TMDB आयडी शोधण्यासाठी बराच वेळ लागतो, परंतु मी विनंती केलेल्या सूचीमध्ये संकलन अचूक करण्यासाठी शक्य तितक्या पुष्टी केलेल्या आयडीसह ॲरे भरेन.”
तिने काहीही केले तर ती करेल म्हणाली, माझ्या लक्षात आले नाही. प्रदर्शित झालेल्या विविध चित्रपटांच्या विस्तृत श्रेणीशी तुलना करता, मी प्रदान केलेल्या सूचीतील कोणतीही जुळणी पूर्ण योगायोगासारखी वाटते. तथापि, पोस्ट केलेले 99% चित्रपट पोस्टर्स चुकीचे असले तरीही, यामुळे मला स्वतः प्रतिमा स्वतः जोडण्यापासून सैद्धांतिकदृष्ट्या प्रतिबंधित केले. याउलट, जेमिनी 3 प्रोने एका शॉटमध्ये सर्व अचूक चित्रपट पोस्टर भरले आहेत.
बायोलॉजिकल प्रोग्रॅमिंगमध्ये गती आणि विचार मॉडेल कसे वेगळे आहेत?
प्रत्येक वेळी जेव्हा मी जेमिनीच्या विचार मॉडेलला संपादन करण्यास सांगते, तेव्हा ते बदल करते आणि सर्व कोड त्वरित पुन्हा लिहितो त्यामुळे कोड कोठे अद्यतनित करायचा हे मला न कळता मी संपूर्ण कोड कुठेही कॉपी आणि पेस्ट करू शकतो.
मिथुन २.५ फ्लॅश वेगळा होता. काही वेळाने, थोडासा फेरफार केल्यावर, त्याने मला कोड दिला आणि तिथे जे आहे ते बदलण्यास सांगितले. हे टाळण्याच्या आशेने, मी त्याला संपूर्ण कोड पुन्हा लिहिण्यास सांगितले जेणेकरून मला काहीही बदलण्याची गरज नाही. तिची प्रतिक्रिया: “ती एक मोठी मागणी आहे.” जरी त्याला वाटले की मी त्या क्षणी त्याच्याकडून अधिक विचारत आहे, परंतु जेमिनी 3 प्रो च्या तुलनेत ते थोडेसे त्रासदायक होते.
प्रकल्प
जेमिनी 2.5 फ्लॅशने बऱ्यापैकी काम करणारा प्रकल्प प्रदान केला, परंतु तो डीबग करण्याचा प्रयत्न करूनही बग्सने भरलेला होता.
चाचणीच्या शेवटी, कोणतेही मॉडेल परिपूर्ण नव्हते, परंतु जेमिनी 3 प्रो सह कार्य करणे खूप सोपे होते. जरी दोन्ही मॉडेल्स, दुसऱ्या प्रकल्पात, अगदी समान परिणाम देऊ शकतात, त्या अंतिम गंतव्यापर्यंत पोहोचण्यासाठी दोन भिन्न मार्ग लागतील.
जेमिनी 2.5 फ्लॅश सोबत काम करताना, तुम्हाला ते काय करायचे आहे याविषयी तुम्ही विशिष्ट असणे आवश्यक आहे आणि जेव्हा शॉर्टकट घेत असल्याचे दिसते तेव्हा ते दुरुस्त करण्यासाठी तयार असणे आवश्यक आहे. एखादे मॉडेल प्रकल्पावर परिणाम करू शकणारा शॉर्टकट कधी घेतो हे ओळखण्यासाठी इतर AI मॉडेल्ससह काम करण्यास सराव आणि अनुभव लागेल. तुम्ही काम करत असलेले हे एकमेव मॉडेल असल्यास, तुम्हाला एकूणच त्याबाबत अधिक मेहनती असणे आवश्यक आहे.
जेमिनी 3 प्रो खरोखरच त्याचे नाव पात्र आहे. त्यांनी केवळ या प्रकल्पाचे वजन उचलण्याचे कामच हाताळले नाही, तर मी सुरू केलेल्या मूळ कल्पनेपासून ते उचलून धरणाऱ्या उपयुक्त सूचनाही त्यांनी दिल्या.
