ChatGPT ist dabei, eine Reihe von neuen Shopping-Funktionen einzuführen, die das Einkaufserlebnis des Benutzers bei Suchanfragen verbessern sollen.
Diese neuen Funktionen umfassen:
- Ein rotierendes Bild mit dem entdeckten Produkt und der Option "Fragen Sie nach diesem Produkt" (genannt "Product Targeted Response")
- Produkt-Seitenleisten mit Produktbildern, Kaufoptionen, Zusammenfassung von Kundenrezensionen und warum/was die Leute über das Produkt denken
Gegenwärtig sind von diesen LinksKeine Affiliate-Marketing-Links beigefügt. Darüber hinaus fügt ChatGPT nur die Verweis-URL automatisch in dieutm_source=chatgpt[.] comDieser Tracking-Parameter erleichtert die Analyse des von ChatGPT-Suchergebnissen importierten Verkehrs.
Es sei darauf hingewiesen, dass alle gezeigten Produkte das Ergebnis einer unabhängigen Auswahl sind und nicht durch Werbung gefördert werden.
OpenAI erforscht eine einfache Möglichkeit für Händler, Produktinformationen direkt an ChatGPT zu übermitteln, obwohl in diesem Stadium nur Absichtserklärungen akzeptiert werden.
---
Es ist offiziell, ChatGPT startet offiziell ein neues Einkaufserlebnis.
Diese Verbesserungen wurden schrittweise für Plus-, Pro- und Free-Benutzer sowie für nicht angemeldete Benutzer weltweit eingeführt. Die vollständige Einführung wird voraussichtlich in wenigen Tagen abgeschlossen sein.
neue FunktionDazu gehören intelligentere Produktempfehlungen, genauere Suchergebnisse und ein reibungsloserer Einkaufsprozess, der den Nutzern ein bequemeres und persönlicheres Einkaufserlebnis bieten soll.
Darüber hinaus wurde die Suchfunktion erheblich verbessert. Die Suchfunktion hat sich zu einer der beliebtesten und am schnellsten wachsenden Funktionen von ChatGPT entwickelt und hat allein in der letzten Woche mehr als eine Milliarde Websuchanfragen verarbeitet.
Mit diesen Verbesserungen steigert ChatGPT nicht nur das Einkaufserlebnis seiner Nutzer, sondern stärkt auch seine Wettbewerbsfähigkeit auf dem Suchmaschinenmarkt weiter.
---
OpenAI hat die Einführung einer neuen Shopping-Funktion in seinem Flaggschiff-Produkt ChatGPT bekannt gegeben, ein Update powered by GPT-4o. Das Update steht allen Nutzergruppen zur Verfügung, einschließlich ChatGPT Pro, Plus und Free Nutzern, sowie globalen Nutzern, die nicht eingeloggt sind.
Die zusätzliche Shopping-Funktion wird den Nutzen von ChatGPT erheblich steigern, da die Nutzer direkt über die Chat-Oberfläche nach Produkten suchen, Preise vergleichen und Einkäufe tätigen können. Dies vereinfacht nicht nur den Einkaufsprozess, sondern bietet auch ein personalisiertes Einkaufserlebnis.
Die wichtigsten Merkmale sind:
- Produktsuche und -empfehlung in Echtzeit
- Multiplattform-Preisvergleich
- Ein-Klick-Kauf-Link
Darüber hinaus ermöglicht GPT-4o's leistungsstarke natürliche Sprachverarbeitung es ChatGPT, die Absichten der Nutzer besser zu verstehen und genaue Verkaufsvorschläge zu machen.
Diese neue Funktion wird die Anwendung künstlicher Intelligenz im Bereich des elektronischen Handels weiter fördern und den Nutzern ein intelligenteres und bequemeres Einkaufserlebnis bieten.
---
Eine neue Technologie namens Model2Vec reduziert die Größe von Sentence Transformers auf ein Fünfzigstel ihrer ursprünglichen Größe und macht sie 500 Mal schneller.
Diese Technologie ermöglicht die sofortige Vektorsuche in Millionen von Dokumenten ohne Vorindexierung und minimiert dabei den Leistungsverlust. Model2Vec verbessert nicht nur die Verarbeitungseffizienz, sondern reduziert auch den Speicherbedarf drastisch, wodurch die Textverarbeitung in großem Maßstab effizienter und wirtschaftlicher wird.
Model2VecDa es sich um einen vollständig offenen Quellcode handelt, können Entwickler es problemlos in bestehende Projekte zur Verarbeitung natürlicher Sprache integrieren, um die Reaktionsfähigkeit des Systems und die Ressourcennutzung deutlich zu verbessern.
Model2Vec hat eine breite Palette von Anwendungen in verschiedenen Bereichen, einschließlich, aber nicht beschränkt auf Suchmaschinenoptimierung, Empfehlungssysteme, Chatbots, usw.
Weitere Informationen über Model2Vec finden Sie unter: https://t.co/OVJxpmTOYt
---
Vor kurzem wurde ein Open-Source-Firmenrecherche-Tool auf der Grundlage von GPT 4.1 und Firecrawl vorgestellt. Durch die einfache Eingabe eines Firmennamens kann das Tool schnell strukturierte Unternehmensdaten aus dem Internet beziehen.
Dieses Werkzeug kombiniertOpenAIDie leistungsstarke natürliche Sprachverarbeitung des neuesten GPT-4.1-Modells und die Daten-Crawling-Technologie von Firecrawl können relevante Informationen effizient extrahieren und organisieren. Die Benutzer können leicht auf eine breite Palette von Informationen zugreifen, darunter Unternehmensübersichten, Finanzdaten, Marktperformance und mehr.
Breite Palette von AnwendungsszenarienDas Tool eignet sich für Investoren, Analysten, Vermarkter und alle Nutzer, die einen Einblick in ein bestimmtes Unternehmen benötigen. Darüber hinaus unterstützt das Tool kundenspezifische Abfragen, die genauere Daten auf der Grundlage der spezifischen Bedürfnisse des Nutzers liefern.
Das Tool kann derzeit getestet werden, und interessierte Nutzer können die offizielle Website besuchen, um sich einen Eindruck zu verschaffen: https://t.co/of0cMt7sbF.
---
Juristen können jetzt die von create-llama bereitgestellte Vorlage "Deep Researcher" nutzen, um schnell detaillierte juristische Berichte zu erstellen. Stellen Sie einfach eine Frage.TiefenforscherEine Reihe von Unterfragen wird automatisch generiert, um die Antworten aus Ihren Dokumenten zu finden und schließlich in einen vollständigen Bericht zu integrieren.
Dieses Werkzeug verbessert nicht nur die Produktivität, sondern gewährleistet auch, dass die Berichte genau und umfassend sind. Für Anwälte, Rechtsberater und Forscher ist dies zweifellos ein großer Segen.
- Schnelle Berichterstellung
- Automatische Extraktion von Schlüsselinformationen
- Gesteigerte Effizienz
- Aufrechterhaltung der Genauigkeit der Berichterstattung
Erleben Sie diese leistungsstarke Funktion sofort, indem Sie einfach in der Befehlszeile Folgendes eingebennpx erstellen-llamagestartet werden kann. Weitere Informationen finden Sie auf der offiziellen Website: https://t.co/xFsws3l1RE
besonderer DankMarcus Schiesserharte Arbeit an diesem Projekt.
---
Während die Reaktion der Community auf das Llama 4 harsch war, ist die Geschichte hinter diesen Modellen komplexer. Vor ein paar Wochen hat Meta die ersten Llama 4-Modelle veröffentlicht:
**Scout**: 109B Gesamtparameter, 17B aktive Parameter, 16 Spezialisten pro Stufe.
**Maverick**: 400B Gesamtparameter, 17B aktive Parameter, 128 Experten pro Stufe.
**Behemoth**: 2T Gesamtparameter, 288B aktive Parameter, 128 Spezialisten pro Stufe.
Llama 4 ist in fast jeder Hinsicht anders als Llama 3:
- Modellarchitektur basierend auf MoE (Mixed Expertise)
- Verschiedene Ansätze zur Multimodalität (frühe Fusion + native Multimodalität)
- Betonung der Modelldestillation während des Pre-Trainings
- Unterschiedliche Nachschulungsprozesse
- Fokus auf lange Kontextualisierungsfähigkeiten
Während bei Llama 3 der Schwerpunkt auf Einfachheit und Skalierbarkeit lag, widmet sich Llama 4 der Schaffung eines hochmodernen Niveaus bei der Modellierung großer Sprachen, um mit anderen Spitzenlabors mithalten zu können. Viele der Designdetails von Llama 4 wurden von anderen Laboren inspiriert, wie z. B. OpenAIs Übernahme der MoE-Architektur in GPT-4, Googles Schwerpunkt auf nativer Multimodalität und langen Kontextfähigkeiten in Gemini und DeepSeeks Schwerpunkt auf Destillation und groß angelegtem Reinforcement Learning.
Wo liegt also das Problem? Die Entwicklung großer Sprachmodelle ist ein empirisch getriebener und iterativer Prozess. Um robuste große Modelle zu entwickeln, müssen wir die Modelle iterativ abstimmen und robuste Bewertungssysteme aufbauen, um sinnvolle Änderungen zu erkennen. Bei Llama 4 werden jedoch viele größere Änderungen auf einmal vorgenommen, ein sehr riskanter Ansatz. Als das Modell veröffentlicht wurde, traten große Diskrepanzen zwischen internen und externen Bewertungen auf, die Lücken in den Bewertungsmöglichkeiten aufzeigten.
Llama 4 war eine Neuerfindung der Llama-Reihe. meta hat eine völlig neue Forschungsstrategie verfolgt und jeden Aspekt des Modells verändert, um ein innovatives Niveau großer Modelle zu erreichen. Dass Llama 4 dieses Ziel nicht erreicht hat, ist nicht überraschend. meta ist mit Llama 4 ein deutliches Risiko eingegangen, das sich in Zukunft vielleicht auszahlen wird.
Um große Modelle auf Grenzniveau zu erstellen, muss Meta diese Modelle einfach ständig iterieren und verbessern. Derzeit werden die Abstände zwischen den wichtigsten Llama-Versionen immer größer, was ein Problem darstellt. Die Modelle werden sich in einem beunruhigenden Tempo weiterentwickeln und verbessern. Der einzige Weg nach vorn besteht darin, schnell zu iterieren und bestehende Lücken in den Bewertungsmöglichkeiten zu schließen, um Überraschungen wie Llama 4 zu vermeiden.
Um zu vermeiden, dass Nutzer aufgrund des hohen Preises ausgeschlossen werden, muss das Modell Llama 4 in viele kleinere, dichtere Modelle wie DeepSeek-R1 und Qwen-2.5 destilliert werden. Die Schaffung von hochmodernen Großmodellen ist ein gutes Ziel, aber Meta kann im Bereich der offenen Großmodelle erfolgreich sein, ohne auf dem neuesten Stand der Technik sein zu müssen. Schließlich wurde Llama nie als das "beste" große Modell angesehen, und Offenheit war immer die Grundlage seines Erfolgs.
---
Meta treibt die Entwicklung von LlamaCon und seiner KI-Web-App aktiv voran. Mehrere Funktionsmodule befinden sich bereits in der Entwicklungsphase für die kommende Update-Version.
Derzeit arbeitet die Meta AI Web App bereits an den folgenden Funktionen:
- **Reasoning** (basierend auf dem Llama 4 Reasoning-Modell) - bietet leistungsfähigere Argumentationsmöglichkeiten
- Canvas - Verbesserte kreative Design-Tools
- Forschung - Werkzeuge zur Unterstützung der wissenschaftlichen Arbeit
- Suche - Optimierung des Sucherlebnisses
- Sprechen - verbesserte Sprachinteraktion
- Neues Video - Nutzer können Videos hochladen oder aufnehmen und Inhalte neu generieren
- Vernetzte Anwendungen - Integration mit anderen Anwendungen
- Gedächtnis - Verbesserte Funktionen zum Speichern und Abrufen von Daten
Diese Funktionen werden nicht nur das Benutzererlebnis verbessern, sondern auch die Anwendung und Entwicklung der KI-Technologie weiter fördern.
Meta hat sich zum Ziel gesetzt, den Nutzern durch diese innovativen Funktionen intelligentere, effizientere und vielfältigere Dienste zu bieten.
---
Sehen Sie, wie Gemini 2.5 Pro eine bahnbrechende Forschungsarbeit von Google DeepMind realisiert.
Das Tool kodiert nicht nur Algorithmen für das Verstärkungslernen, sondern ermöglicht auch die Visualisierung des Trainings in Echtzeit mit Fehlerbehebung. Dies ist ein großer Fortschritt für Forscher und Entwickler, da es den gesamten Prozess vom Schreiben des Codes bis zum Debugging unterstützt.
Die wichtigsten Merkmale sind:
- Echtzeit-Trainingsvisualisierung: Die Benutzer können sehen, wie sich das Modell während des Trainings verhält.
- Automatische Fehlersuche: Das System kann automatisch Fehler im Code erkennen und beheben, um die Entwicklungseffizienz zu verbessern.
- Integrierte Entwicklungsumgebung (IDE): bietet eine vollständige Entwicklungsumgebung, die den gesamten Prozess vom Algorithmusentwurf bis zur Bereitstellung vereinfacht.
Die Technologie bietet eine breite Palette von Anwendungen, von selbstfahrenden Autos bis zu intelligenten Robotern, die von diesem effizienten Entwicklungswerkzeug profitieren können.
Auf diese Weise stellt Gemini 2.5 Pro nicht nur seine Leistungsfähigkeit unter Beweis, sondern bietet auch neue Werkzeuge und Methoden für Forschung und Entwicklung im Bereich der künstlichen Intelligenz.
Interessierte Leser können mehr erfahren unterGoogle DeepMindoffiziellen Twitter-Account, um das ausführliche Video zu sehen.
---
Nehmen Sie morgen an einem Webinar teil, in dem Command A vorgestellt wird, ein aktualisiertes Modell von Cohere, das für Unternehmen entwickelt wurde. Das Modell wurde für Unternehmensanwender optimiert, die hohe Verarbeitungsgeschwindigkeiten, Sicherheit und eine hochwertige Ausgabe benötigen.
Command A kombiniert fortschrittliche Technologien zur Verarbeitung natürlicher Sprache, um in einer Vielzahl von Anwendungsszenarien, wie z. B. Kundensupport, Inhaltserstellung und Datenverarbeitung, eine hervorragende Leistung zu erzielen.
Hauptmerkmale::
- Hochgradig anpassbar an unterschiedliche Geschäftsanforderungen
- Starke Mechanismen zum Schutz von Sicherheit und Privatsphäre
- Effiziente Datenverarbeitungsfunktionen für sofortige Ausgabe
In diesem Webinar haben Sie die Möglichkeit, einen Einblick zu erhalten, wie diese hocheffektiven KI-Modelle genutzt werden können, um einen unmittelbaren Mehrwert für Ihr Unternehmen zu schaffen.
Jetzt anmelden:https://t.co/UYE0uRrKqK
