modelmaxxing: как адаптировать нейросети под задачи

Прочитала у Андрея из канала "Сбежавшая нейросеть" пост про modelmaxxing - подход, когда модель подбирают под задачу, а не сидят верхом на одной любимой. И поймала себя на мысли, что у меня это давно уже не подход, а способ выживания)

У меня несколько автоматизаций работают по расписанию: парсинг новостей и посты в моем стиле, генерация картинок и видео для второго канала. И за полгода я в них меняла модели уже несколько раз. Не потому что я такая любопытная - а потому что выбора нет: то качество съехало, то модель подорожала, то вышло что-то заметно лучше, то любимую вообще выносят из подписки, как сейчас Fable 5.

🪼 Из этой жизни у меня сложились три правила:

🪼 Модель - расходник. Она изменится, подорожает или исчезнет, и вы на это не влияете. Привязываться к ней как к единственной - строить дом на чужой земле

🪼 Пайплайн - актив. Если процесс собран вами и модель в нем - сменная деталь, то замена стоит минуты, а не неделю переделок. У меня расписание, обработка и постинг не меняются годами, а модели под капотом - регулярно

🪼 Новую модель я не внедряю, а прогоняю параллельно со старой на одной и той же живой задаче. Так я недавно сравнивала Sonnet 5 с Sonnet 4.6 прямо на своем автопостинге - и старая, кстати, победила

Поэтому modelmaxxing для меня - не про моду перепрыгивать на каждую новинку, а про то, чтобы система была готова к перепрыгиванию в любой момент. Модели будут приходить и уходить, а ваши процессы должны оставаться вашими.

Кстати, по-дружески рекомендую канал Сбежавшая нейросеть - я его читаю сама, а не только по случаю. Андрей пишет длинные честные разборы с личными тестами и каждый раз докручивает новость до ответа "что это меняет для нас" - таких каналов в нашей нише мало.

Подписывайтесь на Telegram НейроProfit | Соня Pro Ai.