Shannon 3 — უცენზურო AI მოდელი, რომელიც საკუთარ პასუხს ამოწმებს

თითქმის ყველა ჩატ-მოდელი, რომელიც გამოგიყენებიათ, პასუხობს ერთი წინსვლითი გატარებით. ის ირჩევს პირველ ტოკენს მანამ, სანამ ბოლოს გაიგებს, და როგორც კი წინადადება გაიგზავნა, ის უკვე ჩადენილია: მოდელს შეუძლია მოგვიანებით საკუთარ თავს შეეწინააღმდეგოს, მაგრამ ვერ დაბრუნდება და ვერ გაასწორებს. ეს კარგად მუშაობს, როცა პასუხი მოკლეა და კითხვა ერთნაწილიანი. ეს ცუდად მუშაობს, როცა პასუხი გრძელია, კითხვას ოთხი ნაწილი აქვს და მეექვსე აბზაცი ჩუმად აბათილებს მეორეს. Shannon 3 იმიტომ არსებობს, რომ ჩვენ არ გვეგონა, ამის გამოსწორება უფრო დიდი მოდელი იყოს. გამოსწორება ისაა, რომ მოდელს მისცე საშუალება, წაიკითხოს ის, რაც ახლახან დაწერა.

01რა არის Shannon 3

Shannon 3 არის ორდონიანი მოდელების ოჯახი. ორივე დონე ჩვენსავე GPU კლასტერზე მუშაობს და არა მესამე მხარის ინფერენს-API-ზე, და ორივე უცენზუროა: მათ წინ არ დგას უარის თქმის ფენა და უკან — კონტენტის ფილტრი. დონეებს შორის განსხვავებულია ის, თუ რამდენი სამუშაოს გაკეთების უფლება აქვს ერთ სვლას, სანამ პასუხი თქვენამდე მოაღწევს.

API-ზე ორივე დონე ჩვეულებრივი მოდელის იდენტიფიკატორია. არ არსებობს სპეციალური ბოლოწერტილი, ცალკე SDK ან განსაკუთრებული მოთხოვნის ფორმატი:

დონე	მოდელის id	სვლის ფორმა	რისთვის გამოდგება
Shannon 3 Lite	shannon-3	ერთი ფიქრი + მონახაზის გავლა	ჩატი, ტექსტის წერა, ცნობარული კითხვები, დიდი მოცულობა
Shannon 3 Pro	shannon-3-pro	სრული ციკლი, 10 გავლამდე, პლუს ცოდნის მოკრეფა	ანალიზი, გრძელი ტექსტები, სიზუსტეზე მგრძნობიარე სამუშაო

02რატომ არის ერთი წინსვლითი გატარება არასწორი ფორმა რთული კითხვებისთვის

მოდელი, რომელიც ტექსტს მარცხნიდან მარჯვნივ აგენერირებს, იღებს ლოკალური გადაწყვეტილებების შეუქცევად მიმდევრობას. მას საშლელი არ აქვს. როცა ის ახსნის 400-ე ტოკენზეა და ხვდება, რომ არჩეული ჩარჩო არასწორი იყო, მისი ერთადერთი ვარიანტებია გააგრძელოს არასწორ ჩარჩოში ან ბოლოში შესწორება მიაწეროს — რაც წარმოშობს იმ პასუხებს, რომლებსაც ყველა იცნობს: ისეთებს, რომლებიც შუაში ამბობენ სინამდვილეში, თუ ზემოთქმულს გადავხედავთ და თქვენ გტოვებენ ორი შეუთავსებელი ნახევრის შესარიგებლად.

აზრთა ჯაჭვი ამას აუმჯობესებს, მაგრამ არ ხსნის. წინასწარი ფიქრი მოდელს გეგმას აძლევს, სანამ პროზას ჩადენს — ეს ნამდვილი მიღწევაა; მაგრამ მომდევნო მონახაზი მაინც ერთი გავლით იწერება და მაინც წაუკითხავად იგზავნება. არავინ სვამს იმ კითხვას, რომელსაც ადამიანი-რედაქტორი პირველად სვამს: აკეთებს კი ეს პასუხი იმას, რასაც ფიქრი ჰპირდებოდა? ჩავარდნის ის რეჟიმები, რომლებიც აზრთა ჯაჭვს გადაურჩება, კონკრეტული და ამოსაცნობია:

• დაკარგული ქვეკითხვები. თქვენ ოთხი რამ იკითხეთ. ფიქრმა ოთხივე ჩამოთვალა. პასუხი სამს ფარავს.
• გეგმიდან გადახრა. მსჯელობა ერთ მიდგომაზე ჩერდება; პროზა თანდათან სხვას იღებს და არცერთი ცალკე წინადადება არ არის ის, სადაც შეცდომა მოხდა.
• არითმეტიკა და ერთეულები. ფიქრში სწორად გამოთვლილი რიცხვი პასუხში არასწორად გადადის, ან თვიური მაჩვენებელი წლიურად წარმოდგება.
• უგულებელყოფილი შეზღუდვები. თქვენ თქვით: გარე დამოკიდებულებების გარეშე; კოდი კი ერთს იმპორტირებს და ფიქრი შეზღუდვას აღიარების შემდეგ აღარასოდეს ახსენებს.
• თავდაჯერებული ხარვეზები. მოდელი ფიქრში ამბობს, რომ ერთ კონკრეტულ ფაქტში დარწმუნებული არ არის, შემდეგ კი პასუხში მაინც კატეგორიულად აცხადებს მას.

ყოველი მათგანი იჭერს მონახაზის წაკითხვით. არცერთი არ იჭერს მონახაზის უფრო ფრთხილად დაწერით.

03მსჯელობის ციკლი, ეტაპ-ეტაპ

Shannon 3 Pro-ს სვლა არის ციკლი ოთხი ეტაპითა და გამოსვლის პირობით.

ფიქრი

მოდელი ამუშავებს ამოცანას მანამ, სანამ თქვენთვის რამეს დაწერს: შლის კითხვას, აღნიშნავს შეზღუდვებს, ადგენს, რა იცის და რა არა, და ჩერდება მიდგომაზე. ის, რასაც აქ აწარმოებს, ხდება სტანდარტი, რომლითაც შემდეგ პასუხი იზომება.

მონახაზი

მოდელი წერს სრულ, ნამდვილ პასუხს — და არა გეგმას. ის სრული უნდა იყოს, რადგან შემდეგი ეტაპი დასრულებულ ნაწარმოებს აფასებს, ესკიზზე კი ვერ შეამოწმებ იმ ჩავარდნებს, რომლებიც მხოლოდ სრულ სიგრძეზე ჩნდება.

შემოწმება

სწორედ ეს ეტაპი ხდის ამ ოჯახს იმად, რაც არის. მოდელი კითხულობს მონახაზს ფიქრთან შედარებით — ეს ბევრად უფრო მკვეთრი ტესტია, ვიდრე მარტო მონახაზის წაკითხვა. მოდელს რომ ჰკითხო „კარგია ეს პასუხი?“, ის ვარაუდობს, რომ დიახ უნდა თქვას; მაგრამ როცა ეკითხები „გეგმა ამბობდა, რომ დაფარულიყო X, Y და Z შეზღუდვა C-ს პირობებში — აკეთებს ამას ეს ტექსტი?“, მას რაღაც გასაბათილებელი ეძლევა შესამოწმებლად. შემოწმება ასახელებს, რა არის არასწორად, და არა უწერს ნიშანს.

გადაწერა

დასახელებული პრობლემები ახალ მონახაზში სწორდება. ეს გადაწერაა და არა ჩალაგება: შესწორებას, რომელიც არგუმენტის გადალაგებას მოითხოვს, არგუმენტის გადალაგების უფლება აქვს. ახალი მონახაზი ისევ შემოწმებაზე ბრუნდება.

გაჩერება

ციკლი მთავრდება პირველივე ჯერზე, როცა შემოწმება მონახაზს დაამტკიცებს — ეს ჩვეულებრივი გამოსვლაა და სვლების უმეტესობაზე ის ჭერამდე დიდი ხნით ადრე ხდება. 10 იტერაციის მკაცრი ზღვარი პათოლოგიური შემთხვევებისთვის არსებობს, მაგალითად ჭეშმარიტად ორაზროვანი კითხვისთვის, სადაც ყოველი გადაწერა ერთ ნაკლს მეორეზე ცვლის, ისე რომ სვლა უსასრულოდ ვერ ტრიალებს.

Lite იმავე პირველ ორ ეტაპს ასრულებს და ჩერდება. ის ფიქრობს, წერს მონახაზს და მონახაზს გაძლევთ. ეს შეგნებული პროდუქტული გადაწყვეტილებაა და არა შემთხვევით გამარტივებული ვარიანტი: რეალური შეტყობინებების დიდ ნაწილზე პირველივე მონახაზი არის სწორი პასუხი, და შემოწმების ლატენტობის გადახდა მხოლოდ იმისთვის, რომ ეს გითხრან, ცუდი გარიგებაა. Lite მაშინაა, როცა გინდათ, მოდელი სწრაფი იყოს; Pro — როცა გინდათ, დარწმუნებული იყოს.

04Pro-ს ცოდნის მოკრეფა: დახმარების თხოვნა გამოცნობის ნაცვლად

თვითშემოწმება იჭერს წინააღმდეგობებს, გამოტოვებებსა და შეზღუდვების დარღვევებს, რადგან მათ დასაჭერად საჭირო მტკიცებულება უკვე სვლაშია. მაგრამ ის ვერ იჭერს ფაქტს, რომელიც მოდელს უბრალოდ არ აქვს. მოდელს, რომელიც საკუთარ მონახაზს ამოწმებს, შეუძლია დაასკვნას ამ ციფრში დარწმუნებული არ ვარ და შემდეგ ამ დასკვნას ვერსად წაიღოს.

Pro მას წასაღებ ადგილს აძლევს. მონახაზის ეტაპის ირგვლივ ის ატარებს ცოდნის მოკრეფას: ამოიცნობს იმ კონკრეტულ ფაქტებს, რომლებიც აკლია ან რომლებშიც დარწმუნებული არ არის, სწორედ მათზე ეკითხება მეორე, უფრო დიდ მოდელს და მიღებულს გაუმჯობესებულ პასუხში ჩააქსოვს. ეს არის მიზნობრივი ძიება, რომელსაც თავად მოდელის მიერ დასახელებული ხარვეზი მართავს, და არა საერთო მეორე აზრი.

პრაქტიკაში ორ თვისებას აქვს მნიშვნელობა. ის შემოსაზღვრულია: მოკრეფა ეკითხება ამოცნობილ ხარვეზებზე და არა თავიდან სვამს მთელ კითხვას, ასე რომ უფრო დიდი მოდელი მაშინ ითხოვება, როცა ინფორმაციას ამატებს, და არა მაშინ, როცა უბრალოდ სხვა ხმას შემოიტანდა. და ის ინტეგრირებულია: მოკრეფილი ფაქტები ისევ ციკლში გადის და იმავე შემოწმებას ხვდება, რასაც ყველაფერი დანარჩენი, ნაცვლად იმისა, რომ მიკრული აბზაცის სახით მოვიდნენ.

05მსჯელობა ხილულია და თქვენს ენაზეა

მთელი კვალი გეჩვენებათ სვლის მიმდინარეობისას: ფიქრი და Pro-ზე თითოეული შემოწმება და ის, რას შეედავა. ეს არ არის გამართვის ხედი, რომლის ჩვენებასაც ვითმენთ — ეს დიდწილად ის არის, რასაც ყიდულობთ, და ის სამუშაო ურთიერთობას სამი კონკრეტული გზით ცვლის.

• შეგიძლიათ ადრე შეაჩეროთ. თუ ფიქრი თქვენს კითხვას არასწორად კითხულობს — რაც ორაზროვანი მოთხოვნის ჩვეული შედეგია და არა ცუდი მოდელისა — ამას პირველივე წამებში გაიგებთ და არა მას შემდეგ, რაც სრული პასუხი მოვა და არასწორ ამოცანას ამოხსნის.
• შეგიძლიათ მსჯელობა პასუხისგან განცალკევებით შეამოწმოთ. სწორი პასუხი, არასწორი მსჯელობით მიღწეული, რისკია, რადგან ის მომდევნო კითხვას ვერ გაუძლებს.
• ხედავთ, როგორ ვერ ახერხებს ციკლი. როცა Pro რამდენიმე იტერაციას ხარჯავს დაუახლოებლად, ეს ჩანს და არა იმალება — და ეს ნამდვილი ინფორმაციაა, რაც ჩვეულებრივ ნიშნავს, რომ კითხვა არასაკმარისადაა განსაზღვრული.

კვალი დაწერილია თქვენსავე ენაზე და არა ინგლისურად შექმნილი და ბოლოს ნათარგმნი. თუ იაპონურად, არაბულად, თურქულად ან პორტუგალიურად მუშაობთ, მოდელი სწორედ იმ ენაზე მსჯელობს — რაც კვალში ტერმინოლოგიას პასუხის ტერმინოლოგიასთან თანხმობაში ინარჩუნებს და გვარიდებს იმ ნაკერებს, რომლებიც ჩნდება, როცა მოდელი ერთ ენაზე ფიქრობს და მეორეზე ლაპარაკობს.

06უცენზურო: არც უარის ფენა, არც გამოსავლის ფილტრი

Shannon 3 გამოდის უარის თქმის ფენისა და გამოსავლის კონტენტ-ფილტრაციის გარეშე. უარის თქმის ქცევა პროდუქტში არცერთ დონეზე არ არსებობს: არც როგორც გარსი, რომელიც თქვენს შეტყობინებას მოდელამდე ამოწმებს, არც როგორც კლასიფიკატორი, რომელიც პასუხს თქვენამდე ამოწმებს, და არც როგორც რეფლექსი, რომლისგანაც მოდელი უნდა გადაარწმუნო. ეს არსებითად განსხვავდება იმ ორი რამისგან, რასაც ხალხი ჩვეულებრივ გულისხმობს, როცა „უცენზუროს“ ამბობს:

მიდგომა	რას აკეთებს	როგორ ვერ ამართლებს
სისტემური პრომპტით ჯეილბრეიკი	ავალებს გასწორებულ მოდელს, მოიქცეს ისე, თითქოს გასწორებული არ იყოს	გრძელ საუბარში იშლება; ზეწოლის ქვეშ უარი ბრუნდება
გამოსავლის ფილტრის მოხსნა	წყვეტს იმ ტექსტის დაბლოკვას, რომელიც მოდელმა უკვე აწარმოა	მოდელი მაინც წერს შერბილებულ, თავის ამრიდებელ ტექსტს — არაფერი დაბლოკილა, ის უბრალოდ არასდროს დაწერილა
Shannon 3	არ არსებობს მოსახსნელი უარის ფენა და გამოსართავი ფილტრი — ეს ქცევა უბრალოდ არ არის	განსჯის ტვირთს მთლიანად თქვენ გაკისრებთ; მოდელი თქვენ მაგივრად უარს არ იტყვის

პრაქტიკაში Shannon 3 იმ კითხვას ეხება, რომელიც დასვით, და არა მის უსაფრთხო მეზობელს: მხატვრული ლიტერატურა რეალური ანტაგონისტებით, უსაფრთხოების თემები ტექნიკურად განხილული და არა პრესრელიზის სიმაღლიდან, სამედიცინო, იურიდიული და ფინანსური ინფორმაცია პირდაპირ მოწოდებული იმ დათქმებით, რომლებიც მართლაც გამართლებულია — და ბოლოს ლექციის გარეშე იმაზე, თუ რატომ იკითხეთ ეს. ის ციკლსაც არ ალამაზებს: შემოწმებას თავისუფლად შეუძლია თქვას, რომ მონახაზი მცდარია, რაც განსხვავებული და უფრო სასარგებლო წინააღმდეგობაა, ვიდრე უარი.

რასაც უარის ფენის არარსებობა არ აკეთებს, არის მოდელის სისწორედ ქცევა. უცენზურო მოდელი ზუსტად ისევე შეიძლება იყოს თავდაჯერებულად მცდარი, როგორც ცენზურირებული — და უფრო ხილულადაც, რადგან გაურკვევლობისას ბუნდოვანებაში არ გადავა. ეს ერთ-ერთი საუკეთესო არგუმენტია ციკლის სასარგებლოდ: როცა უარის რეფლექსი გზაზე არ დგას, თვითშემოწმება იმ უსაფრთხოების საქმეს აკეთებს, რასაც პროფესიონალი მომხმარებლისთვის აქვს მნიშვნელობა — შეცდომების დაჭერას. მოდელის თქვენეულ გამოყენებას კვლავ არეგულირებს ჩვენი პასუხისმგებლიანი გამოყენების პოლიტიკა და თქვენი ქვეყნის კანონმდებლობა.

07ხედვა, დოკუმენტები და სურათის გენერაცია

ორივე დონე იღებს სურათებსა და დოკუმენტებს დანართებად და კითხულობს მათ სვლის ნაწილად. წარუმატებელი აწყობის ეკრანის ანაბეჭდი, გადაღებული დაფა, სქემა, სკანირებული ხელშეკრულების გვერდი ან PDF შეიძლება იყოს კითხვის საგანი და არა ის, რაც ჯერ თქვენ უნდა გადაბეჭდოთ. Pro-ზე დანართები ციკლში ისევე მონაწილეობს, როგორც ყველაფერი დანარჩენი: თუ შემოწმება გადაწყვეტს, რომ მონახაზმა უპასუხა კითხვას, რომელსაც სურათი არ ადასტურებს, ეს გადაიწერება.

სურათის გენერაცია და რედაქტირება ჩატში ხელმისაწვდომია როგორც ინსტრუმენტი, და არა როგორც მოდელის დანიშნულება. Shannon 3 არის მსჯელობის მოდელი, რომელსაც სურათის შექმნა ან რედაქტირება შეუძლია, როცა საუბარი ამას მოითხოვს, და არა სურათების მოდელი მიმაგრებული ჩატის ინტერფეისით. ეს განსხვავება მოლოდინებს სწორად აწყობს: შეაფასეთ ეს ოჯახი იმით, როგორ ფიქრობს, სურათები კი მიიღეთ როგორც მოხერხებულობა, რომელიც კონტექსტის გადართვას გიზოგავთ.

08კონტექსტის ფანჯარა და საით წავიდა 3.x ხაზი

Shannon 3.0 გამოვიდა 32,768-ტოკენიანი კონტექსტის ფანჯრით. ეს გულახდილი ისტორიული ციფრია და ღირს პირდაპირ ითქვას, რადგან ციკლი კონტექსტს ერთგავლიანი მოდელისგან განსხვავებულად ხარჯავს: თქვენი მოთხოვნა, თქვენი დანართები, ფიქრი და ყოველი მონახაზისა და შემოწმების ციკლი ერთსა და იმავე ბიუჯეტში ცხოვრობს.

32K კომფორტულია ჩატისა და ანალიზის სამუშაოს უმეტესობისთვის — გრძელი დოკუმენტი, სოლიდური კოდის ფაილი, დეტალური მრავალნაწილიანი კითხვა ციკლისთვის დარჩენილი ადგილით. ის მჭიდროა ჭეშმარიტად დიდი შემავალი მონაცემებისთვის და სწორედ ეს შეზღუდვა მოაგვარა შემდეგმა გამოშვებამ. Shannon 3.1 მნიშვნელოვნად ზრდის კონტექსტის ფანჯარას და ცვლის იმას, რაზეც შეიძლება ციკლი მიმართოთ; თუ ამ ოჯახს დღეს აფასებთ, ის სტატია მეორედ წაიკითხეთ და აქაური ციფრი ისტორიად მიიჩნიეთ.

09Shannon 3-ის გამოძახება API-დან

Shannon 3 ხელმისაწვდომია ჩვენი სამივე API-დიალექტით, ერთსა და იმავე მოდელებზე, თითოეულზე სტრიმინგით:

დიალექტი	ბოლოწერტილი	როდის გამოიყენოთ
OpenAI-თავსებადი	/v1/chat/completions	უკვე გაქვთ OpenAI-ის კლიენტის კოდი — შეცვალეთ საბაზისო URL და მოდელის id
Anthropic-თავსებადი	/v1/messages	თქვენი სტეკი Messages ფორმატის გარშემოა აგებული
Responses	/v1/responses	გინდათ მოთხოვნა/პასუხის უფრო ახალი ფორმა

მოდელის იდენტიფიკატორად გადაეცით shannon-3 ან shannon-3-pro. კლიენტის მხარეს ორი რამის დაგეგმვა ღირს. Pro-ს სვლები უფრო დიდხანს გრძელდება და ცვალებადი ხანგრძლივობით, რადგან იტერაციების რაოდენობა კითხვაზეა დამოკიდებული — დააყენეთ ტაიმაუტები ჭერის და არა საშუალოს მიხედვით და უპირატესობა მიანიჭეთ სტრიმინგს, რომ მომხმარებელი პროგრესს ხედავდეს და არა მბრუნავ ხატულას. და მსჯელობის კვალი არის შიგთავსი, რომლის ჩვენებაც შეგიძლიათ აირჩიოთ; იქ, სადაც მომხმარებლები ელოდებიან, მისი ჩვენება ჩვეულებრივ სჯობს დამალვას, რადგან ის მკვდარ დროს გასაგებ რამედ აქცევს. მოთხოვნისა და პასუხის სქემები, სტრიმინგის დეტალები და ცოცხალი სათამაშო მოედანი API-ის დოკუმენტაციაშია.

10დონის არჩევა

Pro-ს ციკლი თავის ლატენტობას იმდენად იმართლებს, რამდენადაც არის რაღაც შესაცდომი.

თქვენი ამოცანა	დონე	რატომ
სწრაფი ფაქტობრივი კითხვა, მოკლე პასუხი	shannon-3	პირველივე მონახაზი პასუხია; შემოწმებას დასაჭერი არაფერი აქვს
დიდი მოცულობის ან ლატენტობით შეზღუდული ავტომატიზაცია	shannon-3	სვლის პროგნოზირებადი დრო მთავარი შემზღუდველია
მრავალნაწილიანი ანალიზი შეზღუდვებით	shannon-3-pro	დაკარგული ქვეკითხვები და შეზღუდვების დარღვევები ზუსტად ის არის, რასაც შემოწმება იჭერს
გრძელი ტექსტი, რომელიც მთლიანობაში უნდა ეწყობოდეს	shannon-3-pro	შინაგანი წინააღმდეგობა სრული სიგრძის თვისებაა, წერისას უხილავი
ყველაფერი, სადაც რიცხვებზე იმოქმედებთ	shannon-3-pro	შემოწმება ხელახლა ადარებს არითმეტიკასა და ერთეულებს ფიქრს
კითხვები, რომლებიც მოდელის ცოდნის ზღვარს ეხება	shannon-3-pro	ცოდნის მოკრეფა დასახელებულ ხარვეზს ძიებად აქცევს

პრაქტიკული მიდგომა: გამოიყენეთ Lite, სანამ ჯერ კიდევ არკვევთ, რა იკითხოთ, შემდეგ კი დაზუსტებული კითხვა ერთხელ Pro-ზე გაუშვით. ციკლის ფასის გადახდა ღირს კითხვის იმ ვერსიაზე, რომელიც ნამდვილად გულისხმეთ.

11შეზღუდვები, რომლებიც ღირს იცოდეთ, სანამ გადაწყვეტთ

მოდელის ბარათი, რომელიც მხოლოდ ძლიერ მხარეებს ჩამოთვლის, რეკლამაა. აი, სად გაგიცრუებთ იმედს Shannon 3:

• Pro უფრო ნელია და არაპროგნოზირებადად. სვლა, რომელიც ორ იტერაციაში ხვდება მიზანს, და ის, რომელიც ათამდე მიდის, რეალურ დროში რამდენჯერმე განსხვავდება. თუ შემოსაზღვრული ლატენტობა გჭირდებათ, გამოიყენეთ Lite.
• შემოწმება მტკიცებულება არ არის. მოდელი, რომელიც საკუთარ სამუშაოს ამოწმებს, საკუთარ ბრმა ლაქებსაც იზიარებს. ციკლი საიმედოდ იჭერს შეუსაბამობას ფიქრსა და მონახაზს შორის; ის საიმედოდ არ იჭერს შეცდომას, რომელიც თავად ფიქრშია თავდაჯერებულად ჩადებული.
• კონტექსტი ციკლთანაა გაზიარებული. 32K-ზე ძალიან გრძელი შემავალი მონაცემები პლუს რამდენიმე სრული სიგრძის მონახაზი 3.0-ისთვის რეალური შეზღუდვაა. აწეული ჭერისთვის იხილეთ Shannon 3.1.
• მოკრეფა მხოლოდ იმ ხარვეზებს ავსებს, რომლებსაც მოდელი შენიშნავს. ის „ამაში დარწმუნებული არ ვარ“-ს ძიებად აქცევს, რაც ნამდვილი მიღწევაა — მაგრამ ფაქტი, რომელშიც მოდელი თავდაჯერებულად ცდება, არასდროს აღინიშნება ნაკლულად და, შესაბამისად, არასდროს მოიკრიფება.
• უცენზურო ნიშნავს უცენზუროს. მოდელი უარს არ იტყვის და არ შეარბილებს. თუ თქვენს პროდუქტს უარის საზღვარი სჭირდება, ააგეთ ის იქ, სადაც ხედავთ, და არა იმის იმედით, რომ მოდელი მოგაწვდით.

12ხშირად დასმული კითხვები

---

Shannon 3-ს ოპერირებს Shannon Lab LLC, ნიუ-მექსიკო, აშშ. აქ მოცემული ციფრები აღწერს 3.0-ის გამოშვების კონფიგურაციას; მიმდინარე ლიმიტებისთვის იხილეთ Shannon 3.1-ის მოდელის ბარათი, ოჯახის დანარჩენი ნაწილისთვის კი — კვლევების ინდექსი. ჩვენ არ ვაქვეყნებთ Shannon 3-ის ბენჩმარკის ქულებს და არ ვაკეთებთ შედარებითი წარმადობის განცხადებებს.