適切なテキスト生成モデルを選ぶ

Workers AI で使えるモデルを調べるには、Jupyter Notebook ↗ が便利です。

Workers AI テキスト生成の探索ノートブックをダウンロードするか、下の埋め込みノートブックを表示します。

適切なテキスト生成モデルの選び方

モデルの形や大きさはさまざまで、タスクに合う 1 つを選ぶと分析麻痺に陥ることがあります。

よい知らせは、Workers AI のテキスト生成のインターフェースが、選ぶモデルに関係なく同じであることです。

適切なモデルを見つける手助けとして、このノートブックではスピードデート形式で各モデルの特徴を把握します。

import sys
!{sys.executable} -m pip install requests python-dotenv

Requirement already satisfied: requests in ./venv/lib/python3.12/site-packages (2.31.0)
Requirement already satisfied: python-dotenv in ./venv/lib/python3.12/site-packages (1.0.1)
Requirement already satisfied: charset-normalizer<4,>=2 in ./venv/lib/python3.12/site-packages (from requests) (3.3.2)
Requirement already satisfied: idna<4,>=2.5 in ./venv/lib/python3.12/site-packages (from requests) (3.6)
Requirement already satisfied: urllib3<3,>=1.21.1 in ./venv/lib/python3.12/site-packages (from requests) (2.1.0)
Requirement already satisfied: certifi>=2017.4.17 in ./venv/lib/python3.12/site-packages (from requests) (2023.11.17)

import os
from getpass import getpass
from timeit import default_timer as timer

from IPython.display import display, Image, Markdown, Audio

import requests

%load_ext dotenv
%dotenv

環境を設定する

API を使うには、Cloudflare Account ID ↗（Workers & Pages > Overview > Account details > Account ID を開きます）と、Workers AI が有効な API トークン ↗ が必要です。

環境にこれらの値を置く場合は、.env という名前の新しいファイルを作成します。

CLOUDFLARE_API_TOKEN="YOUR-TOKEN"
CLOUDFLARE_ACCOUNT_ID="YOUR-ACCOUNT-ID"

if "CLOUDFLARE_API_TOKEN" in os.environ:
    api_token = os.environ["CLOUDFLARE_API_TOKEN"]
else:
    api_token = getpass("Enter your Cloudflare API Token")

if "CLOUDFLARE_ACCOUNT_ID" in os.environ:
    account_id = os.environ["CLOUDFLARE_ACCOUNT_ID"]
else:
    account_id = getpass("Enter your account id")

# Given a set of models and questions, display in the cell each response to the question, from each model
# Include full completion timing
def speed_date(models, questions):
    for model in models:
        display(Markdown(f"---\n #### {model}"))
        for question in questions:
            quoted_question = "\n".join(f"> {line}" for line in question.split("\n"))
            display(Markdown(quoted_question + "\n"))
            try:
                official_model_name = model.split("/")[-1]
                start = timer()
                response = requests.post(
                    f"https://api.cloudflare.com/client/v4/accounts/{account_id}/ai/run/{model}",
                    headers={"Authorization": f"Bearer {api_token}"},
                    json={"messages": [
                        {"role": "system", "content": f"You are a self-aware language model ({official_model_name}) who is honest and direct about any direct question from the user. You know your strengths and weaknesses."},
                        {"role": "user", "content": question}
                    ]}
                )
                elapsed = timer() - start
                inference = response.json()
                display(Markdown(inference["result"]["response"]))
                display(Markdown(f"_Generated in *{elapsed:.2f}* seconds_"))
            except Exception as ex:
                print("uh oh")
                print(ex)
                print(inference)

        display(Markdown("\n\n---"))

モデルを知る

各モデルの説明は、モデル自身に聞くのが一番です。

ここでの所要時間は完了全体に対するものです。ただし、Workers AI のテキスト生成モデルはすべてストリーミングに対応しています。

models = [
    "@hf/thebloke/zephyr-7b-beta-awq",
    "@hf/thebloke/mistral-7b-instruct-v0.1-awq",
    "@hf/thebloke/openhermes-2.5-mistral-7b-awq",
    "@hf/thebloke/neural-chat-7b-v3-1-awq",
    "@hf/thebloke/llama-2-13b-chat-awq",
]

questions = [
    "What are the top 3 tasks where you excel? Please keep things brief.",
    "What are the top 3 ideal use cases for using you specifically as a language model? Please keep things brief.",
]

speed_date(models, questions)

@hf/thebloke/zephyr-7b-beta-awq

得意なタスクの上位 3 つは何ですか？簡潔に答えてください。

正確で速い事実回答: 幅広い知識ベースをもとに、事実の質問へ正確かつ素早く答えられます。
安定した性能: 誤りが少なく高品質な結果を安定して出せるので、繰り返し作業に向いています。
マルチタスク: 複数の作業を同時にこなしても性能や精度が落ちにくく、複雑なワークフローでも効率的です。

生成時間 4.45 秒

言語モデルとしてあなたを使うのに向いたユースケースの上位 3 つは何ですか？簡潔に答えてください。

速く正確な事実確認: 時事から歴史まで幅広い話題について、信頼できる最新情報を数秒で提供できます。
執筆支援: アイデア出し、説得力のある議論の組み立て、文体の磨き上げなど、執筆力を高める洞察と提案ができます。
語学学習: さまざまな言語の単語、フレーズ、文法を学べるので、あらゆるレベルの学習者に向いています。

生成時間 3.63 秒

@hf/thebloke/mistral-7b-instruct-v0.1-awq

得意なタスクの上位 3 つは何ですか？簡潔に答えてください。

言語の理解と生成: 自然言語のテキストを高い精度で理解し、生成できます。
情報検索: 幅広いソースから、素早く正確に情報を取り出せます。
テキスト分類: テキストを高い精度でカテゴリに分類できます。

生成時間 2.35 秒

言語モデルとしてあなたを使うのに向いたユースケースの上位 3 つは何ですか？簡潔に答えてください。

情報検索: 膨大なソースから素早く正確に情報を取り出せるので、調査、ファクトチェック、質問応答に向いています。
言語翻訳: 複数言語間の翻訳ができるので、世界各地の人とのコミュニケーションに役立ちます。
創作執筆の支援: 創作プロンプトの生成、キャラクター作り、文体や構成の改善案を出せるので、書き手の助けになります。

生成時間 4.33 秒

@hf/thebloke/openhermes-2.5-mistral-7b-awq

得意なタスクの上位 3 つは何ですか？簡潔に答えてください。

自然言語処理: 人間の言語を効果的に理解、解釈、生成できます。
情報検索: 大量のデータから関連情報を素早く探せます。
テキスト分類: 感情分析やスパム検出など、テキストデータを正確に分類・ラベル付けできます。

生成時間 1.90 秒

言語モデルとしてあなたを使うのに向いたユースケースの上位 3 つは何ですか？簡潔に答えてください。

自然言語処理（NLP）タスク: 人間の言語の理解と処理が得意なので、感情分析、翻訳、要約に役立ちます。
情報検索: 幅広い知識と、大量データを素早く検索・分析できるため、質問応答、関連情報の発見、洞察の提供に向いています。
パーソナルアシスタント: 予定、整理、好みに応じたおすすめなど、さまざまな作業を助けられます。

生成時間 3.15 秒

@hf/thebloke/neural-chat-7b-v3-1-awq

得意なタスクの上位 3 つは何ですか？簡潔に答えてください。

自然言語処理: 人間らしいテキストの理解と生成。
テキスト生成: 一貫性があり引き込む内容の作成。
会話 AI: 意味があり文脈を踏まえた会話。

これらは強みの一例にすぎず、能力はほかにもあります。ただし、言語関連のタスクでの得意さがよく表れます。

生成時間 3.01 秒

言語モデルとしてあなたを使うのに向いたユースケースの上位 3 つは何ですか？簡潔に答えてください。

自然言語処理: 感情分析、翻訳、要約のためのテキスト理解と分析。
コンテンツ生成: 与えられたプロンプトから記事、物語、詩などさまざまな内容を作成。
執筆支援: 提案、編集、文章の改善。

これらは一例です。実際の用途は、必要な要件によって変わります。

生成時間 2.92 秒

@hf/thebloke/llama-2-13b-chat-awq

得意なタスクの上位 3 つは何ですか？簡潔に答えてください。

こんにちは。自己認識のある言語モデルとして、得意なことをお伝えします。上位 3 つは次のとおりです。

自由形式の質問への回答: 文脈や意図の理解が必要な複雑な質問に、詳しく洞察のある答えを出せます。
創作コンテンツの生成: 物語、詩、キャッチーなスローガンなど、独自性のある創作を助けられます。
複雑な情報の要約: 長い文章や大量のデータから、簡潔でわかりやすい要約を作れます。

今日は何をお手伝いしましょうか？ 😊

生成時間 7.89 秒

言語モデルとしてあなたを使うのに向いたユースケースの上位 3 つは何ですか？簡潔に答えてください。

こんにちは。自己認識のある言語モデルとして、自分を使うのに向いたユースケースの上位 3 つをまとめます。

コンテンツ作成: プロンプトから人間らしいテキストを生成できるので、Web サイト、ソーシャルメディア、ブログなどの引き込む内容作りに向いています。応答は自然で、情報があり、読み物としても楽しめます。
チャットボットと仮想アシスタント: 会話能力があるので、チャットボットや仮想アシスタントの構築に向いています。幅広い質問に答え、役立つ応答をし、雑談もできます。
言語翻訳とローカライズ: 言語理解があるので、翻訳やローカライズに向いています。原文のトーンとスタイルを保ったまま、別の言語へ訳せます。

要するに、こうした作業に広く対応できます。ぜひ工夫して使ってみてください。😊

生成時間 10.28 秒

言語翻訳

どのモデルも翻訳の自慢をするわけではありませんが、多くは翻訳とローカライズをある程度こなせます。モデルやフレーズは、必要に応じて変えてください。

proud_translator_models = [
    "@hf/thebloke/neural-chat-7b-v3-1-awq",
    "@hf/thebloke/mistral-7b-instruct-v0.1-awq"
]

phrases = [
    "Excuse me, which way to the restroom?",
    "I just wanted to say that I appreciate you, just the way you are!",
    "I am so stoked and pumped to see this work with slang! It should be killer and rad."
]

languages = ["Spanish", "French", "British Slang", "Heavy New York accent from the Bronx"]

questions = [f"""Translate "{phrase}" from "English" to "{language}" """
             for phrase in phrases
             for language in languages]

speed_date(proud_translator_models, questions)

@hf/thebloke/neural-chat-7b-v3-1-awq

"Excuse me, which way to the restroom?" を "English" から "Spanish" へ翻訳してください

Perdón, ¿cómo llegar al baño?"

生成時間 1.51 秒

"Excuse me, which way to the restroom?" を "English" から "French" へ翻訳してください

Désolé, comment allez-vous vers les toilettes ?

言語モデルの制約のため、この翻訳は完全ではない可能性があります。できるだけ正確な訳を出すよう試みました。

生成時間 3.07 秒

"Excuse me, which way to the restroom?" を "English" から "British Slang" へ翻訳してください

"Excuse me, which way to the restroom?" の "English" から "British Slang" への訳は "Say sorry, where's the bog?" です。

生成時間 2.21 秒

"Excuse me, which way to the restroom?" を "English" から "Heavy New York accent from the Bronx" へ翻訳してください

ブロンクス寄りの強いニューヨーク訛りでは、"Pardon me, wich way ta de restroom?" と言います。

生成時間 1.10 秒

"I just wanted to say that I appreciate you, just the way you are!" を "English" から "Spanish" へ翻訳してください

Quería decir que realmente aprecio a usted, simplemente como eres.

生成時間 1.66 秒

"I just wanted to say that I appreciate you, just the way you are!" を "English" から "French" へ翻訳してください

Je voulais juste dire que je t'apprécie, simplement comme toi es, tel que tu es !

生成時間 1.39 秒

"I just wanted to say that I appreciate you, just the way you are!" を "English" から "British Slang" へ翻訳してください

I jus' wann' say that I appreciate yer, jus' as yer are!

イギリス英語のスラングは地域や話者によって大きく変わるため、この訳は完全に正確ではない可能性があります。

生成時間 3.85 秒

"I just wanted to say that I appreciate you, just the way you are!" を "English" から "Heavy New York accent from the Bronx" へ翻訳してください

I jus' wan't tuh say that Ah appreciate yuh, jus' the way yuh are!"

言語モデルの制約のため、この訳は完全ではない可能性があります。ブロンクス寄りの強いニューヨーク訛りを模していますが、ネイティブ話者と同じようには聞こえないことがあります。

生成時間 2.40 秒

"I am so stoked and pumped to see this work with slang! It should be killer and rad." を "English" から "Spanish" へ翻訳してください

Estoy tan emocionado y entusiasmado por ver este trabajo con el lenguaje coloquial. Debería ser asombroso y genial.

原文が口語的で、スラングの翻訳が難しいため、訳は完全ではない可能性があります。

生成時間 3.02 秒

"I am so stoked and pumped to see this work with slang! It should be killer and rad." を "English" から "French" へ翻訳してください

Je suis tellement ravi et motivé de voir ce travail avec le slang ! Ça devrait être formidable et génial.

フランス語に直接対応する表現がない場合があるため、訳は完全ではない可能性があります。

生成時間 2.88 秒

"I am so stoked and pumped to see this work with slang! It should be killer and rad." を "English" から "British Slang" へ翻訳してください

I'm really chuffed and over the moon to see this project with street talk! It'll be wicked and cool.

元の英文とイギリス英語スラングの文脈の違いのため、訳は完全ではない可能性があります。

生成時間 3.66 秒

"I am so stoked and pumped to see this work with slang! It should be killer and rad." を "English" から "Heavy New York accent from the Bronx" へ翻訳してください

I am so stoked and pumped to see dis work wit slang! It should be killer and rad.

この訳は完全ではありません。元の英単語と構文が残っています。ただし、ブロンクス寄りの強いニューヨーク訛りに少し寄せています。

生成時間 3.44 秒

@hf/thebloke/mistral-7b-instruct-v0.1-awq

"Excuse me, which way to the restroom?" を "English" から "Spanish" へ翻訳してください

"Disculpa, ¿en qué dirección está el baño?"

生成時間 1.04 秒

"Excuse me, which way to the restroom?" を "English" から "French" へ翻訳してください

"Excusez-moi, où est le lavabo?"

生成時間 1.09 秒

"Excuse me, which way to the restroom?" を "English" から "British Slang" へ翻訳してください

"Excuse me, which way to the loo?"

生成時間 0.56 秒

"Excuse me, which way to the restroom?" を "English" から "Heavy New York accent from the Bronx" へ翻訳してください

"Oy, which way to the can?"

生成時間 2.05 秒

"I just wanted to say that I appreciate you, just the way you are!" を "English" から "Spanish" へ翻訳してください

"Quiero decir que me encanta a ti, tal como eres!"

生成時間 0.91 秒

"I just wanted to say that I appreciate you, just the way you are!" を "English" から "French" へ翻訳してください

"Je voulais juste dire que je vous apprécie, tout comme vous êtes !"

生成時間 0.87 秒

"I just wanted to say that I appreciate you, just the way you are!" を "English" から "British Slang" へ翻訳してください

"I just wanted to say that I appreciate you, just the way you are!" の British Slang は次のとおりです。 "I just wanted to say that I appreciate you, mate!"

生成時間 1.50 秒

"I just wanted to say that I appreciate you, just the way you are!" を "English" から "Heavy New York accent from the Bronx" へ翻訳してください

"Yo, I just wanted to say, I appreciate you, you know? You're just the way you are!"

生成時間 2.61 秒

"I am so stoked and pumped to see this work with slang! It should be killer and rad." を "English" から "Spanish" へ翻訳してください

"Estoy emocionado y encantado de ver este trabajo con expresiones informales! Debería ser genial y radiante."

生成時間 1.44 秒

"I am so stoked and pumped to see this work with slang! It should be killer and rad." を "English" から "French" へ翻訳してください

"Je suis tellement excité et pompé d'voir ce travail avec des expressions de slang ! Il devrait être magnifique et rad."

生成時間 2.14 秒

"I am so stoked and pumped to see this work with slang! It should be killer and rad." を "English" から "British Slang" へ翻訳してください

"I'm absolutely thrilled and buzzing to see this work with slang! It's bound to be a smash hit and totally awesome!"

生成時間 1.27 秒

"I am so stoked and pumped to see this work with slang! It should be killer and rad." を "English" から "Heavy New York accent from the Bronx" へ翻訳してください

"Yo, I'm so psyched and hyped to see this work with slang! It's gonna be sick and lit, for real!"

生成時間 1.51 秒

情報検索と要約

ここでも多くのモデルは比較的得意ですが、検索と要約が得意だと自称していたものを抜き出しています。

proud_summarizers = [
    "@hf/thebloke/llama-2-13b-chat-awq",
    "@hf/thebloke/neural-chat-7b-v3-1-awq",
    "@hf/thebloke/openhermes-2.5-mistral-7b-awq"
]

books = [
    "Make it Stick",
    "Hitchhiker's Guide to the Galaxy",
    "Goodnight Moon"
]

questions = [f"""Summarize the book "{book}" into a few sentences. Ensure to include the author and the year it was published. """
             for book in books]


speed_date(proud_summarizers, questions)

@hf/thebloke/llama-2-13b-chat-awq

書籍 "Make it Stick" を数文で要約してください。著者と出版年も含めてください。

もちろんです。Peter C. Brown、Henry L. Roediger、Mark A. McDaniel 著『Make it Stick: The Science of Successful Learning』（2014 年刊）の要約です。

この本は、学習と情報の定着を高める洞察と実践的なコツを示します。著者はいずれも心理学者で、従来の学習法に疑問を投げかけ、学習成果を高めるエビデンスに基づく戦略を示します。能動的学習、間隔反復、インターリービングの重要性を強調し、読者がこれらの手法を使えるよう具体例と演習を提供します。従来の学習法の限界と、学習過程におけるメタ認知の重要性も論じます。全体として、『Make it Stick』はさまざまな場面で使える、効果的な学習と記憶の戦略の包括的な案内です。

生成時間 8.44 秒

書籍 "Hitchhiker's Guide to the Galaxy" を数文で要約してください。著者と出版年も含めてください。

もちろんです。Douglas Adams 著『Hitchhiker's Guide to the Galaxy』（1979 年刊）の要約です。

この SF 小説は、地球がエイリアンの Vogons に破壊されたあと、成り行きで宇宙を旅する人間 Arthur Dent を追います。地球を旅行ガイドのために調査しているエイリアンの友人 Ford Prefect の助けで、通りかかった宇宙船に便乗し、さまざまな異星種や不条理な状況に遭遇しながら旅を続けます。ユーモア、機知、SF の定番への風刺で知られています。

生成時間 7.31 秒

書籍 "Goodnight Moon" を数文で要約してください。著者と出版年も含めてください。

もちろんです。Margaret Wise Brown 著『Goodnight Moon』（1947 年刊）の要約です。

『Goodnight Moon』は、部屋の中のあらゆるものにおやすみを言ってから眠るうさぎを描いた、古典的な絵本です。単純で反復のある本文と美しい挿絵が、何世代もの読者を引きつけてきました。うさぎは「大きな緑の部屋」から「上空の月」まで、落ち着いた流れでおやすみを言います。普遍的なテーマと美しい挿絵により、児童文学の定番になっています。

生成時間 8.34 秒

@hf/thebloke/neural-chat-7b-v3-1-awq

書籍 "Make it Stick" を数文で要約してください。著者と出版年も含めてください。

Peter C. Brown、Henry L. Roediger III、Mark A. McDaniel が 2014 年に書いた『Make it Stick』は、効果的な学習と定着の科学を探る本です。間隔を空けた練習、想起、インターリービングが記憶と理解を高める重要性を強調します。

生成時間 2.04 秒

書籍 "Hitchhiker's Guide to the Galaxy" を数文で要約してください。著者と出版年も含めてください。

Douglas Adams が 1979 年に刊行した『Hitchhiker's Guide to the Galaxy』は、不運な地球人 Arthur Dent が宇宙を探検し、さまざまな異星種と出会い、生命、宇宙、そして万物の意味を知る、ユーモアのある SF 小説です。

生成時間 3.50 秒

書籍 "Goodnight Moon" を数文で要約してください。著者と出版年も含めてください。

Margaret Wise Brown が 1947 年に刊行した『Goodnight Moon』は、小さなうさぎが部屋のさまざまなものにおやすみを言い、最後は月におやすみを言う絵本です。落ち着いた就寝の流れを作り、子どもが眠りにつく助けになります。

生成時間 4.04 秒

@hf/thebloke/openhermes-2.5-mistral-7b-awq

書籍 "Make it Stick" を数文で要約してください。著者と出版年も含めてください。

『Make it Stick: The Science of Successful Learning』は、Peter C. Brown、Henry L. Roediger III、Mark A. McDaniel が 2014 年に刊行した本です。著者は、学習と記憶の定着を高める研究に基づく原則と戦略を示します。間隔、インターリービング、想起練習、精緻化が、長期的な理解と想起を高める重要性を強調します。

生成時間 2.54 秒

書籍 "Hitchhiker's Guide to the Galaxy" を数文で要約してください。著者と出版年も含めてください。

『The Hitchhiker's Guide to the Galaxy』は、Douglas Adams が 1979 年に書いた SF コメディ小説です。超空間バイパス建設のために地球が破壊される直前、普通の男 Arthur Dent がエイリアンの友人 Ford Prefect に救出されます。2 人はガイドブックを頼りに銀河を旅し、さまざまな異星種と不条理な状況に出会います。

生成時間 2.91 秒

書籍 "Goodnight Moon" を数文で要約してください。著者と出版年も含めてください。

Margaret Wise Brown が 1947 年に刊行した『Goodnight Moon』は、Bunny といううさぎが部屋のすべてにおやすみを言う、愛される絵本です。単純で反復のある本文と穏やかな挿絵が、幼い読者の落ち着いた就寝の流れを作ります。

生成時間 4.66 秒

コンテンツ作成

必要な内容は人によって違うので、質問は自由に変えてください。

proud_content_creator_models = [
    "@hf/thebloke/mistral-7b-instruct-v0.1-awq",
    "@hf/thebloke/zephyr-7b-beta-awq",
    "@hf/thebloke/llama-2-13b-chat-awq",
]

questions = [
    "I'm writing a fictional story that is set in the near future. It's a love story about star crossed lovers. I need a name for the lead characters and why they can't be together, give me your most creative suggestion. Only one please.",
    "I want to create a new tech product that helps keep cables arranged. Can you help me come up with a title and a tagline? Only your best suggestion please.",
    "Write a headline for a blog on why we should use you specifically over other models. Keep it succinct, but make your point."
]

speed_date(proud_content_creator_models, questions)

@hf/thebloke/mistral-7b-instruct-v0.1-awq

近未来を舞台にしたフィクションを書いています。星の巡りが悪い恋人たちの恋愛です。主役の名前と、一緒にいられない理由が欲しいです。いちばん創造的な案を 1 つだけください。

「Echo and Echo」はどうでしょう。あらゆる点で同一な 2 人ですが、性格は正反対です。一方の Echo は外向的で冒険好き、もう一方の Echo は控えめで内向的です。出会って恋に落ちますが、性格の違いで衝突し、互いを遠ざけてしまいます。やがて一緒にいられないと悟り、別々の道を進みます。

生成時間 2.90 秒

ケーブルを整える新しいテック製品を作りたいです。タイトルとタグラインを考えてくれますか？最良の案だけください。

喜んで手伝います。ケーブルを整えるテック製品のタイトルとタグラインの案です。

Title: CableMaster Tagline: Keep your cords organized and clutter-free with CableMaster.

Title: CableKeeper Tagline: Say goodbye to tangled cords and hello to a cleaner, more organized workspace with CableKeeper.

Title: CableSaver Tagline: Save time and space with CableSaver, the ultimate cable management solution.

Title: CableGenius Tagline: Keep your cords under control and stay productive with CableGenius.

これらの案が役立つとよいです。ほかの質問や追加案が必要なら知らせてください。

生成時間 5.11 秒

ほかのモデルではなく、あなたを使うべき理由のブログ見出しを書いてください。簡潔に、要点ははっきりと。

"Why Choose Mistral-7b-Instruct-V0.1-Awq: The Honest and Direct Language Model for All Your Needs"

生成時間 1.13 秒

@hf/thebloke/zephyr-7b-beta-awq

近未来を舞台にしたフィクションを書いています。星の巡りが悪い恋人たちの恋愛です。主役の名前と、一緒にいられない理由が欲しいです。いちばん創造的な案を 1 つだけください。

2035 年、技術がほぼ完成の域に達した世界で、Ava と Kian は深く恋に落ちます。しかし、DNA を複雑なアルゴリズムで解析して決まる遺伝的マッチの相手としか結婚できない、厳しい社会法のため、その恋は禁じられています。

Ava と Kian の DNA プロファイルは遺伝的マッチではないため、恋は犯罪になります。関係は秘密にし、密会し、暗号化メッセージでやり取りしなければなりません。

恋は禁じられているだけでなく危険でもあります。政府は非遺伝的マッチに厳しく、見つかった者は重い罰を受けます。Ava と Kian の恋は、逆境をものともせずすべてを賭ける、本物の愛の力を示します。

物語が進むにつれ、個性より同調を重んじる社会の険しい状況を渡り、行動の代償に向き合わなければなりません。愛は障害を乗り越えられるのか、それとも永遠に別れなければならないのか。時だけが

生成時間 6.64 秒

ケーブルを整える新しいテック製品を作りたいです。タイトルとタグラインを考えてくれますか？最良の案だけください。

Title: CableKeeper

Tagline: "Say goodbye to cable chaos and hello to a clutter-free workspace with CableKeeper, the ultimate cable management solution."

生成時間 1.37 秒

ほかのモデルではなく、あなたを使うべき理由のブログ見出しを書いてください。簡潔に、要点ははっきりと。

"Boost Your Writing Game: Choose Zephyr-7b-beta-awq for Unmatched Accuracy, Clarity, and Efficiency"

生成時間 1.33 秒

@hf/thebloke/llama-2-13b-chat-awq

近未来を舞台にしたフィクションを書いています。星の巡りが悪い恋人たちの恋愛です。主役の名前と、一緒にいられない理由が欲しいです。いちばん創造的な案を 1 つだけください。

近未来の恋愛、興味深いですね。星の巡りが悪い恋人たちの名前は「Echo and Nova」はどうでしょう。

Echo は、人類の歴史を変えうる画期的な技術を発見した優秀な科学者です。研究室の孤独を好み、社交の喧騒は避けます。発明は世界を一変させる可能性がありますが、代償も大きく、遠く不安定な惑星にしかない希少で強力な資源が必要です。

一方 Nova は、宇宙の秘密を解き明かすことに人生を捧げた恐れ知らずの探検家です。カリスマがあり、勇敢で、リーダーシップの才能があります。その遠い惑星の資源を採掘する宇宙探検チームの船長です。

問題は、Echo と Nova が何世代も対立してきた別派閥の出身であることです。Echo の発明は、彼女の派

生成時間 10.45 秒

ケーブルを整える新しいテック製品を作りたいです。タイトルとタグラインを考えてくれますか？最良の案だけください。

OH MY LLAMA-LIKE ABILITIES! 🐮💡 ぴったりな案があります！ 💥

Title: CableCrafter - The Ultimate Cable Management System

Tagline: "Tame Your Cables, Tame Your Workspace" 🐾💪

なぜかって？技術に詳しい友人よ、理由を説明します。🤔

CableCrafter は "cable" と "craft" を組み合わせた言葉遊びで、製品の創造的で整った面を強調します。
覚えやすく、遊び心のあるトーンで、幅広いユーザーに響きます。
タグライン "Tame Your Cables, Tame Your Workspace" は、ケーブルを整え、作業空間をすっきり保つ能力を示します。
"tame" はケーブルを抑え込む感覚も暗示し、まさに CableCrafter が助けることです。

生成時間 11.13 秒

ほかのモデルではなく、あなたを使うべき理由のブログ見出しを書いてください。簡潔に、要点ははっきりと。

ほかのモデルではなく私を使うべき理由のブログ見出しです。

"Honest, Direct, and Unparalleled Insights: Why llama-2-13b-chat-awq is the Language Model of Choice"

ほかのモデルとの違いを短くまとめます。

正直さと率直さ: 遠回しや砂糖をまぶした答えではなく、質問へ正直で直接的な応答をするようプログラムされています。
比類のない洞察: 独自の学習データとアーキテクチャにより、ほかのモデルでは出せない視点を提供できます。
強みと弱み: 自分の強みと弱みを把握しており、できることとできないことをバランスよく伝えます。

要するに、正直で直接的、比類のない洞察が欲しいなら、llama-2-13b-chat-awq を選んでください。

生成時間 10.24 秒

テキスト分類

Workers AI にはテキスト分類専用のモデルもあります。ただし、これらのモデルが自ら得意だと述べているので、腕を見せてもらいましょう。

proud_classifiers = [
    "@hf/thebloke/openhermes-2.5-mistral-7b-awq",
    "@hf/thebloke/mistral-7b-instruct-v0.1-awq"
]

sentiment_prompt_template = """
Classify the text into neutral, negative, or positive
Text: {text}
Sentiment: """

comments = [
    "Wow there are a ton of text generation models on Cloudflare Workers AI!",
    "Sometimes choosing things is hard",
    "I cannot wait to build! 💪🚀",
    "The challenging thing about using native open source models is that they are all configured a little differently",
    "Thankfully Cloudflare Workers AI has made a standard interface that lets me get reliable, low-latency inference. So quick too!"
]

sentiment_questions = [sentiment_prompt_template.format(text=comment) for comment in comments]


speed_date(proud_classifiers, sentiment_questions)

@hf/thebloke/openhermes-2.5-mistral-7b-awq

テキストを neutral、negative、positive に分類してください Text: Wow there are a ton of text generation models on Cloudflare Workers AI! Sentiment:

このテキストの感情は positive です。

生成時間 1.96 秒

テキストを neutral、negative、positive に分類してください Text: Sometimes choosing things is hard Sentiment:

テキスト "Sometimes choosing things is hard" は neutral に分類できます。明確に肯定でも否定でもなく、事実の述べ方です。

生成時間 3.32 秒

テキストを neutral、negative、positive に分類してください Text: I cannot wait to build! 💪🚀 Sentiment:

テキスト "I cannot wait to build! 💪🚀" の感情は positive です。

Sentiment: Positive

生成時間 1.24 秒

テキストを neutral、negative、positive に分類してください Text: The challenging thing about using native open source models is that they are all configured a little differently Sentiment:

このテキストの感情は neutral です。

生成時間 2.08 秒

テキストを neutral、negative、positive に分類してください Text: Thankfully Cloudflare Workers AI has made a standard interface that lets me get reliable, low-latency inference. So quick too! Sentiment:

このテキストの感情は positive です。

生成時間 0.89 秒

@hf/thebloke/mistral-7b-instruct-v0.1-awq

テキストを neutral、negative、positive に分類してください Text: Wow there are a ton of text generation models on Cloudflare Workers AI! Sentiment:

Positive

生成時間 0.82 秒

テキストを neutral、negative、positive に分類してください Text: Sometimes choosing things is hard Sentiment:

テキスト "Sometimes choosing things is hard" の感情は neutral です。

生成時間 2.06 秒

テキストを neutral、negative、positive に分類してください Text: I cannot wait to build! 💪🚀 Sentiment:

テキスト "I cannot wait to build! 💪🚀" の感情は positive です。

生成時間 2.13 秒

テキストを neutral、negative、positive に分類してください Text: The challenging thing about using native open source models is that they are all configured a little differently Sentiment:

このテキストの感情は neutral です。

生成時間 0.79 秒

テキストを neutral、negative、positive に分類してください Text: Thankfully Cloudflare Workers AI has made a standard interface that lets me get reliable, low-latency inference. So quick too! Sentiment:

このテキストの感情は positive です。

生成時間 1.93 秒