Anthropic hat sein Angebot um zwei innovative Dienste erweitert, die speziell darauf abzielen, Unternehmen bei der Entwicklung und Optimierung ihrer KI-Anwendungen zu unterstützen. Diese neuen Dienste umfassen das Fine-Tuning für Claude 3 Haiku und den neuen Prompt-Tuner in der Entwicklerkonsole.
Das Fine-Tuning von Claude 3 Haiku ermöglicht es Unternehmen, das Modell mit ihrem eigenen Fachwissen und ihren spezifischen Anforderungen zu trainieren. Hierzu müssen zunächst qualitativ hochwertige Paare von Prompts und idealen Antworten erstellt werden. Mithilfe der Fine-Tuning-API können Unternehmen dann eine maßgeschneiderte Version von Claude 3 Haiku entwickeln. Derzeit befindet sich diese API in der AWS-Region US West (Oregon) in der Preview-Phase und unterstützt textbasierte Anpassungen mit Kontextlängen von bis zu 32.000 Tokens. Funktionen für Bilddaten sollen zukünftig hinzukommen. Laut Anthropic führt dies zu besseren Ergebnissen bei spezialisierten Aufgaben, geringeren Kosten und schnelleren Antwortzeiten im Vergleich zu größeren Modellen. Auch der südkoreanische Telekommunikationsanbieter SK Telecom berichtet von beeindruckenden Verbesserungen: Eine 73-prozentige Steigerung der positiven Rückmeldungen und eine 37-prozentige Verbesserung der Leistungsindikatoren bei telekommunikationsbezogenen Aufgaben.
Zusätzlich bietet die Anthropic-Entwicklerkonsole nun den neuen Prompt-Tuner an, der den Prozess der Prompt-Erstellung und -Optimierung erheblich vereinfacht. Mit Claude 3.5 Sonnet können Entwickler Prompts generieren, automatisch Testfälle erstellen und die Ausgaben verschiedener Prompts vergleichen. Die neue Evaluate-Funktion erlaubt es, die Qualität eines Prompts direkt in der Konsole gegen eine Reihe realer Eingaben zu testen. Testfälle können manuell hinzugefügt, aus einer CSV-Datei importiert oder von Claude automatisch generiert werden. Fachexperten können die Antwortqualität auf einer 5-Punkte-Skala bewerten, um zu überprüfen, ob Änderungen am Prompt die Qualität verbessert haben. Beide Funktionen zielen darauf ab, die Optimierung der Modellleistung schneller und einfacher zu gestalten.